圖像相似度與物體輪廓定位方法的研究.pdf

1、圖像識別屬于人工智能的一部分，是當(dāng)前學(xué)術(shù)前沿，誕生了眾多的研究分支。本文選擇了對圖像識別的基礎(chǔ)算法加以研究，分別為圖像相似度、邊緣檢測和物體輪廓定位方法，并提出了新的計(jì)算方法。本文研究內(nèi)容如下所示:
　　(1)圖像相似度是圖像檢索的基礎(chǔ)，從海量圖片中檢索特定的相似的圖片不僅需較高的準(zhǔn)確性，更重要的是要達(dá)到很快的計(jì)算速度。本文提出了一種在HSV顏色空間中計(jì)算兩幅圖像距離的新方法。首先，將圖像分塊并計(jì)算每個圖像塊的主顏色直方圖。然后，

2、使用二次式距離函數(shù)（能充分利用HSV顏色之間的相似度）獲得主顏色直方圖之間的距離。這里，提出了一種新的計(jì)算HSV顏色相似度的方法。最后，使用最佳匹配策略，通過加權(quán)每對圖像塊之間的距離計(jì)算出圖像的相似度。算法的有效性和性能在模擬和真實(shí)的圖像集上得到了充分的驗(yàn)證。
　　(2)邊緣檢測是圖像識別的關(guān)鍵，涌現(xiàn)了一批經(jīng)典的檢測算法，如Sobel算子、Roberts算子、Prewitt算子、Kirsch算子、Canny算子、SUSAN算子等。

3、其中Canny算子達(dá)到了最佳的效果，但其檢測到的邊緣有些粗糙，為了便于進(jìn)一步處理。本文提出一種邊緣去雜及連通性增強(qiáng)算法-蠕蟲算法，首先通過Canny邊緣檢測算法得到待處理的邊緣圖像，然后使用該算法去除邊緣圖像中的雜邊、毛刺（偽邊緣）等因素同時保持邊緣的連通性。實(shí)驗(yàn)結(jié)果表明，本算法有良好的性能，使得邊緣圖像簡潔清晰，較之邊緣細(xì)化算法能更簡單有效地去除雜邊，且在一定程度上去除了椒鹽噪聲對邊緣圖像的影響。
　　(3)物體輪廓定位可以歸屬

4、于圖像分割算法，用來獲得物體的邊緣外形。為了達(dá)到實(shí)時性要求，綜合各種算法，本文提出了一種快速定位物體輪廓的方法。首先，將RGB圖像轉(zhuǎn)換為YCrCb圖像并在待識別物體上選取一個候選點(diǎn);然后使用SUSAN檢測核(mask)檢測該點(diǎn)是否屬于邊緣點(diǎn)，不是邊緣點(diǎn)則將mask朝八個方向平移，移動過程中使用盒子碼本模型(Box-based Code Book Model，BCB)統(tǒng)計(jì)核覆蓋的所有像素，建立物體的特征模型;最后，當(dāng)mask到達(dá)邊緣點(diǎn)，綜