基于不完整三維信息的圖像識別.pdf

1、圖像識別作為圖像信息處理技術，近些年來得到了非常廣泛的應用。傳統(tǒng)的圖像識別基本原理是從待識別圖像中將待識別的物體的特征以某種形式表示出來，轉化成計算機能夠處理的數(shù)據，然后計算機依照之前擬定的判別函數(shù)，對圖片中的待識別物進行判定識別?；诓煌暾S信息的圖像識別，所要進行的識別活動是基于含有不完整三維信息的圖像，前期思想是“它是不是它”，利用數(shù)量少且含有信息有限的圖像，從數(shù)據庫海量圖片中將符合這些信息的圖片全部查找出來，后期隨著獲得的圖片

2、數(shù)量的增多，可以以人工干預的方式進行圖像的篩選，最終目的是形成對待識別物體的整體認識，逐漸將思想轉換成“它是誰”，將待識別物體以某種形式表示，并與前期篩選出來的進行匹配，找到最符合的圖像。由此可見，對基于不完整三維信息的圖像識別的研究在圖像處理領域有重要的意義。
　　SIFT算法全稱為Scale-invariant feature transform，中文名稱為尺度不變特征轉換。當圖像發(fā)生尺度變化、亮度變化、空間上的旋轉以及噪聲對

3、圖像的污染等影響時，SIFT算法都能保持良好的適用性。而且即便是圖像中待識別物體存在很少的一部分時候，該算法也能夠產生很多的，用于表征待識別物體特點的特征信息。因此根據本課題的特殊性，我們選擇使用SIFT算法最為基本算法，根據有限的圖像數(shù)量以及不完整的三維信息，隨著待識別圖像數(shù)量的增多，提取的特征就增多，可以逐漸減少識別出圖像的數(shù)量，最終將范圍縮小到一定的范圍，以此來實現(xiàn)“它是不是它”。
　　另外，本文的難點是如何表示“它是誰”，

4、并且在后期利用足夠多的圖像，將待識別物體以何種形式表示出來等。因此，本文在利用SIFT算法提取的特征向量基礎上，提出了一種新的建模方法——循環(huán)匹配向量建模，利用此方法可以將待識別物體的特征用數(shù)學向量的形式表示。
　　在研究了國內外大量的圖像識別的研究文獻基礎上，滿足本論文的目的和要求的前提下，本文利用不完整三維物體的圖像，提出了基于SIFT算法提取圖像特征向量，利用循環(huán)匹配向量建模法構建待識別物體數(shù)學向量模型，實現(xiàn)了基于不完整三維