基于相關(guān)熵的形狀匹配方法研究.pdf

1、形狀匹配是計算機視覺、模式識別、醫(yī)學圖像配準、機器人等領域的一個核心問題，應用前景廣泛，同時也是一項具有挑戰(zhàn)性的研究課題。在實際應用中，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，通過實驗發(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)熵衡量兩個形狀間的相似程度。相關(guān)熵是基于信息理論學習提出的，可通過一個核函數(shù)直接估計信息勢進而完成對它的估計，能夠較好的處理非高斯和噪聲信號。在匹配時利用相關(guān)熵構(gòu)造代價函數(shù)，通過確定性退火算法，以最大化相關(guān)熵準則作為收斂標準完成目標形狀和模板形狀之間的匹配。
　　(3)在形狀受到形變、噪聲、出格點和旋轉(zhuǎn)等因素影響下，驗證算法的魯棒性，匹配準確度使