結(jié)合輪廓和區(qū)域信息的形狀匹配方法研究.pdf

1、形狀是一種高級別的視覺信息，在計算機視覺的研究領(lǐng)域中，形狀是一種描述物體的重要屬性。形狀表示與匹配作為計算機視覺領(lǐng)域中的關(guān)鍵且基礎(chǔ)性問題，已在目標檢測、醫(yī)療分析、古文字研究等諸多領(lǐng)域發(fā)揮了重要作用。各類形狀匹配方法中，結(jié)合輪廓和區(qū)域信息的方法由于包含更加豐富的形狀信息，其對應(yīng)的描述符在表達能力方面具有一定優(yōu)勢。分別從“逐對形狀匹配方法”和“形狀距離學習方法”兩個關(guān)鍵問題入手，對結(jié)合輪廓和區(qū)域信息的形狀匹配方法進行研究。本文在學習結(jié)合輪廓

2、和區(qū)域信息的形狀表示方法的基礎(chǔ)上，對地貌形狀上下文方法進行改進，并基于協(xié)同學習的思想提出基于廣義期望首達時間的協(xié)同距離學習方法。
　　本研究主要內(nèi)容包括：⑴傳統(tǒng)的地貌形狀上下文方法雖然能夠較好地描述輪廓采樣點間的關(guān)系，但測地距離計算過程復雜，特征提取效率較低，且僅選擇某一最優(yōu)地貌空間求解形狀距離具有一定局限性。鑒于方法存在的不足，分別從提高特征提取效率，增強描述符表達能力，優(yōu)化特征匹配方法三個方面對地貌形狀上下文方法進行改進。所提

3、方法將地貌空間中輪廓采樣點間的測地距離計算問題轉(zhuǎn)化為求解最短路徑問題，通過引入最短路徑算法快速構(gòu)造形狀描述符，相比傳統(tǒng)方法可大大提升特征提取效率；通過引入模糊直方圖構(gòu)造出地貌模糊形狀上下文特征，以提升形狀描述符的表達能力；在此基礎(chǔ)上，結(jié)合動態(tài)規(guī)劃方法進行形狀特征匹配，根據(jù)形狀局部特征優(yōu)化地貌空間的選擇，進而分析出更準確的形狀距離關(guān)系，提升匹配結(jié)果的準確性。形狀特征提取效率對比實驗和不同數(shù)據(jù)集下的形狀檢索精度對比實驗均說明所提方法具有良好

4、的性能。⑵“逐對形狀匹配方法”專注于分析兩個待匹配形狀間的關(guān)系，易忽略樣本中潛在的數(shù)據(jù)流形，為彌補其不足，引入“形狀距離學習”算法以捕捉數(shù)據(jù)中潛在的流形結(jié)構(gòu)，提升匹配結(jié)果的精度。其中，協(xié)同學習方法借助不同的距離度量獲取更多有效信息，往往可以獲得更好的距離學習效果。結(jié)合協(xié)同學習和廣義期望首達時間方法的優(yōu)勢，提出了基于廣義期望首達時間的協(xié)同距離學習方法(Co-GMFPT)。該方法將形狀樣本集合視作狀態(tài)空間，引入廣義期望首達時間顯式地挖掘樣本