基于高斯混合模型的快速相干點漂移點集匹配算法.pdf

1、在圖像處理技術中，圖像分割和圖像匹配的研究一直深受人們重視，二者的應用領域極其廣泛。利用分割技術能夠獲得圖像中指定目標的形狀或者輪框描述，為下一步進行目標識別打下基礎。將分割出的目標與模板圖像進行比較，通過圖像匹配技術最終完成目標識別?？梢姡瑘D像匹配和圖像分割技術之間存在著密切的聯(lián)系。本文圍繞著基于點集特征的圖像匹配進行展開，重點介紹了相干點漂移的點集匹配算法，以及基于四象限思想的分割技術這兩個圖像處理的重要課題。
　　(1)本文

2、采用基于四象限思想的方法對序列圖像中的運動目標進行分割。實驗所采集的數(shù)據(jù)中的目標的運動軌跡似圓形，使用本文介紹的算法，首先對保存好的幀序列數(shù)據(jù)作預處理（圖像增強、濾波和去噪），然后利用四象限分割的思想，生成背景圖像，通過與原視頻圖像數(shù)據(jù)做似然運算來提取前景，經(jīng)過閾值調(diào)整，使每一幀圖像盡量都分割出完整的二值目標圖像，并通過形態(tài)學運算消除邊界毛刺，填補空洞位置。最后，將分割出的二值圖像與數(shù)據(jù)庫中的2D汽車模型做相似性匹配實驗；
　　(

3、2)本文提出一種基于距離閾值約束的相干點漂移匹配算法。在點集進行配準前，利用歐式距離閾值法對非精確模板點集進行重采樣，剔除非精確模板點集中距離目標點集過大和過小的離散點，將得到較為精確的點集作為CPD迭代的初始點集，同時在進行點集配準時魯棒性權值?設為趨于0的較小值。仿真實驗中，通過非精確模板點集和目標點集的匹配與精確模板點集和目標點集的匹配的實驗比較，可以看出使用本算法對點集進行重采樣后，解決了權值的選取不當問題，提高了原CPD配準的