基于Shape Context的物體識別.pdf

1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterObjectRecognitionBasedOnShapeConteXtByXiaoXingFengSupervisor：ProfQiXieComputerTechnologySchoolofInformationEngineeringZhengzhouUniversityMay2014摘要物體識別是計(jì)算機(jī)視覺領(lǐng)域中的一項(xiàng)基

2、礎(chǔ)研究。有效的物體識別算法在智能視頻監(jiān)控、圖像分析、目標(biāo)識別、圖像檢索等應(yīng)用領(lǐng)域都有很重要的作用。到目前為止，人們在物體識別技術(shù)方面已經(jīng)取得很多可喜的成就，但是仍有很多難點(diǎn)需要解決。Context是近年來提出的一種描述能力比較強(qiáng)的形狀描述子。本文對ShapeContext(形狀上下文)算法進(jìn)行了研究，描述了ShapeContext算法的基本思想和實(shí)現(xiàn)方法以及在物體識別中的識別和匹配方法；針對ShapeContext對輸入圖像的要求，討論

3、了一些基本的圖像預(yù)處理方法以及采用Canny算法的物體邊緣增強(qiáng)和提取方法。文中設(shè)計(jì)了一套以ShapeContext為核心的針對物體識別的圖像處理和識別的流程，采用這種流程，用VC開發(fā)和實(shí)現(xiàn)了一個(gè)實(shí)驗(yàn)和驗(yàn)證的軟件。在算法的實(shí)現(xiàn)和軟件的測試中，我們發(fā)現(xiàn)ShapeContext算法中的不足：(1)首先需要計(jì)算質(zhì)心來確定提取特征點(diǎn)的個(gè)數(shù)，這個(gè)過程計(jì)算量大比較耗時(shí)；(2)提取出的輪廓特征點(diǎn)并不總是能很好地表示物體的形狀。本文主要針對這兩方面提出改

4、進(jìn)的方法。主要處理過程是：對待識別物體圖像先進(jìn)行二值化，并使用Canny邊緣檢測算法獲得邊緣，然后用輪廓跟蹤法得到外輪廓。根據(jù)得到物體外輪廓點(diǎn)的個(gè)數(shù)設(shè)置提取特征點(diǎn)時(shí)的距離，使提取到的特征點(diǎn)可以更好的表示出物體輪廓，并將特征點(diǎn)信息保存在文檔里，計(jì)算兩物體形狀特征點(diǎn)之間的距離時(shí)直接調(diào)用，不但比較節(jié)省時(shí)間，而且可以很好的表征兩物體形狀的相似程度。另外，本文使用TPS(薄板樣條)變換模型模擬了待測物體到數(shù)據(jù)庫中物體的形變，計(jì)算得到了最小彎曲能量