基于相關(guān)熵的形狀匹配方法研究.pdf

1、形狀匹配是計(jì)算機(jī)視覺、模式識別、醫(yī)學(xué)圖像配準(zhǔn)、機(jī)器人等領(lǐng)域的一個(gè)核心問題，應(yīng)用前景廣泛，同時(shí)也是一項(xiàng)具有挑戰(zhàn)性的研究課題。在實(shí)際應(yīng)用中，形狀容易受到平移、旋轉(zhuǎn)、縮放和噪聲等諸多因素的影響，描述子的選擇和與之相適應(yīng)的匹配方法決定了形狀匹配算法的性能。基于此，展開了深入研究，主要內(nèi)容如下：
　　(1)采用驚奇度作為形狀描述子。驚奇度是信息理論描述子，能夠比較全面的反映形狀特征信息，通過實(shí)驗(yàn)發(fā)現(xiàn)它對平移、旋轉(zhuǎn)、縮放等因素具有良好的魯棒性

2、。因此，驚奇度可作為描述子，且具有很好的描述形狀信息的能力。
　　(2)使用相關(guān)熵衡量兩個(gè)形狀間的相似程度。相關(guān)熵是基于信息理論學(xué)習(xí)提出的，可通過一個(gè)核函數(shù)直接估計(jì)信息勢進(jìn)而完成對它的估計(jì)，能夠較好的處理非高斯和噪聲信號。在匹配時(shí)利用相關(guān)熵構(gòu)造代價(jià)函數(shù)，通過確定性退火算法，以最大化相關(guān)熵準(zhǔn)則作為收斂標(biāo)準(zhǔn)完成目標(biāo)形狀和模板形狀之間的匹配。
　　(3)在形狀受到形變、噪聲、出格點(diǎn)和旋轉(zhuǎn)等因素影響下，驗(yàn)證算法的魯棒性，匹配準(zhǔn)確度使