基于圖譜理論的圖像匹配和圖像分割算法研究.pdf

1、圖像匹配和圖像分割技術(shù)是計算機視覺的重要研究領域，它們廣泛應用于工業(yè)、農(nóng)業(yè)、物體識別、遙感、生物醫(yī)學以及軍事等方面?；趫D譜理論的圖像匹配和圖像分割算法引起了人們越來越多的興趣，該算法直接對圖像中的像素進行處理，將高度復雜的經(jīng)典算法轉(zhuǎn)化為組合(離散)譜問題的簡單求解，有效地降低了算法復雜度。因此基于圖譜理論的圖像匹配和圖像分割算法的研究不僅具有重要的理論意義而且具有廣泛的應用前景。 本文對基于圖譜理論的圖像匹配和圖像分割算法進行

2、了較為系統(tǒng)的研究，主要包括：基于鄰接譜的圖像特征點匹配、基于Laplace譜的圖像特征點匹配、基于圖譜的圖像分割。本文的主要研究內(nèi)容及研究成果如下： 1．給出了結(jié)合顏色特征的鄰接譜的圖像特征點匹配方法。首先結(jié)合兩幅圖像特征點鄰域的顏色特征(HSV顏色特征或色調(diào)局部累加直方圖)，利用高斯加權(quán)函數(shù)構(gòu)造親近矩陣，再對親近矩陣進行奇異值分解，利用分解的結(jié)果構(gòu)造出一個反應特征點之間匹配程度的關系矩陣，最后根據(jù)關系矩陣實現(xiàn)兩幅圖像的特征點匹

3、配。實驗結(jié)果表明，該方法具有較高的匹配精度。 2．給出了一種結(jié)合顏色梯度的Laplace譜的圖像特征點匹配方法。首先結(jié)合圖像特征點的顏色梯度信息，利用高斯加權(quán)函數(shù)分別構(gòu)造兩幅圖像的Laplace矩陣，并對這兩個矩陣進行奇異值分解，然后利用分解的結(jié)果構(gòu)造出一個反應特征點之間匹配程度的關系矩陣，最后根據(jù)關系矩陣實現(xiàn)兩幅圖像的特征點匹配。實驗結(jié)果表明，該方法具有更高的匹配精度。 3．給出了一種結(jié)合概率松弛的Laplace譜的特

4、征點匹配方法。該方法首先給定兩個特征點集，然后分別定義其Laplace矩陣，再通過分析該矩陣的特征值及特征向量來獲得特征點匹配的初始概率，最后通過概率松弛迭代的方法獲得匹配的最終解。實驗結(jié)果表明，該方法可以獲得較高的匹配正確率。 4．給出了一種結(jié)合k-Means聚類分析法和圖的規(guī)范割的圖像分割方法。首先利用k-Means聚類分析法對圖像進行預分割，得到k個最大相似區(qū)域，再利用圖的規(guī)范割算法在區(qū)域之間進行分割，產(chǎn)生最終圖像分割結(jié)果