基于輪廓點空間結(jié)構(gòu)特征的形狀匹配方法研究.pdf

1、近半個世紀以來，形狀匹配一直都是計算機視覺與模式識別領(lǐng)域的重要課題之一。在各種不同類型的形狀匹配方法中，基于輪廓點空間結(jié)構(gòu)特征的形狀匹配方法表現(xiàn)出較好的效果并得到了普遍關(guān)注。如何結(jié)合形狀描述符的自身特點，有效地改善形狀匹配方法的精度和效率一直都是相關(guān)研究中的關(guān)鍵問題。本文以輪廓點空間結(jié)構(gòu)特征為主要研究對象，嘗試分別從形狀特征提取、形狀特征匹配和形狀距離學(xué)習等不同環(huán)節(jié)入手，對形狀匹配方法的相關(guān)內(nèi)容展開研究。
　　本文的研究工作主要包

2、含以下幾個方面:
　　(1)針對形狀上下文難以準確描述形狀輪廓信息的問題，提出基于模糊形狀上下文的形狀匹配方法。雖然對數(shù)極坐標直方圖能夠兼顧形狀輪廓的全局信息和局部信息，但是由于其僅能將采樣點硬劃分至不同的柵格中，因此可能導(dǎo)致對應(yīng)形狀描述符難以準確地反映輪廓采樣點分布情況。為此，本文提出建立對數(shù)極坐標模糊直方圖來精確描述輪廓采樣點分布情況，進而生成一種新的形狀描述符——模糊形狀上下文。該描述符通過分析各采樣點在不同模糊子集下對應(yīng)的

3、隸屬度函數(shù)，能夠準確地反映形狀輪廓信息，從而得到更好的形狀特征提取結(jié)果。在此基礎(chǔ)上提出了基于局部約束的采樣點匹配方法和基于點集分割的采樣點匹配方法，二者均能夠快速有效地解決輪廓采樣點匹配問題。考慮到絕對框架下模糊形狀上下文不具備旋轉(zhuǎn)不變的特性，進一步設(shè)計循環(huán)移位匹配來解決該問題。仿真實驗表明所提出方法具有良好的形狀匹配結(jié)果。
　　(2)為了提升逐對形狀匹配方法的匹配精度，通過度量替換和形狀距離學(xué)習對其進行改進，分別提出基于直方圖推

4、土機距離的形狀上下文匹配方法和基于期望首達時間的形狀距離學(xué)習方法。結(jié)合直方圖自身結(jié)構(gòu)特點，通過對推土機距離模型進行簡化得到一種效率更高的交叉相似度——直方圖推土機距離模型。由于順序相似度不能很好反映形狀描述符之間距離，在形狀特征匹配步驟中引入直方圖推土機距離來替換原有的度量標準。實驗結(jié)果驗證改進后模型具有更高的效率，且引入形狀匹配方法當中能得到較好的結(jié)果。此外，為了避免標記傳播算法存在的不平衡性問題，引入期望首達時間對逐對形狀匹配方法對

5、應(yīng)得到的形狀間距離進行更新。在通過距離矩陣構(gòu)造離散時間馬爾科夫鏈的基礎(chǔ)上，結(jié)合質(zhì)點在狀態(tài)空間中完成狀態(tài)轉(zhuǎn)移的平均時間來分析形狀間距離，進而能夠更充分地挖掘形狀樣本空間流形信息。實驗結(jié)果表明提出的形狀距離學(xué)習方法能夠有效提升形狀識別和檢索精度。
　　(3)為了提升形狀匹配方法的效率，提出基于角點模糊形狀上下文的快速形狀匹配方法，并將基于輪廓點空間結(jié)構(gòu)特征的形狀匹配方法應(yīng)用于行為識別。以形狀輪廓上較少數(shù)目的角點為參考生成模糊形狀上下文

6、，進而得到一種新的形狀描述符——角點模糊形狀上下文。該形狀表示方法既能夠較好地反映形狀輪廓重要信息，同時采樣點匹配所需時間也相對較少。進一步設(shè)計了與之對應(yīng)的快速形狀特征匹配方法，實驗結(jié)果驗證了提出的快速形狀匹配方法展現(xiàn)出了更好的精度和效率。此外，考慮到視頻圖像的人物剪影中包含了豐富的形狀信息，嘗試通過分析剪影形狀來進行行為識別。利用輪廓點空間結(jié)構(gòu)特征對各幀中的剪影變化進行表示，選擇基于極坐標模糊直方圖形狀匹配方法進行快速剪枝，進一步利用