圖模型在點模式匹配中的應用.pdf_第1頁
已閱讀1頁,還剩99頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、點模式匹配是模式識別與計算機視覺領域的一個重要的基礎性問題,研究成果可以廣泛地應用于圖像處理、目標識別與跟蹤、計算化學、天文學等眾多領域。由于待匹配點集間常常存在著較大的差異,使得點模式匹配存在著較高的復雜性,目前仍然是一個尚未完全得到解決的問題,多年來一直是諸多學者研究的熱點。
   圖模型是一種有效的結構信息表示方式,利用圖模型來表示待匹配點集的結構特征,通過研究圖模型的匹配來實現(xiàn)點模式匹配得到了越來越多的關注,也是目前點模

2、式匹配問題的主要研究方向。本文通過構造不同的圖模型,采用不同的圖模型表示方式對不同情形下的點模式匹配問題進行了研究,主要內(nèi)容與創(chuàng)新如下:
   1、提出了一種基于線圖Q-譜的點模式匹配算法。首先,分別利用待匹配點集構造賦權完全圖;其次,對每個點,利用與其相關聯(lián)的前k條最短邊來構造線圖;然后,根據(jù)線圖構造無符號Laplacian矩陣,并進行譜分解,應用無符號Laplacian矩陣的特征值(Q-譜)來表示點的特征,通過這些特征計算點

3、之間的匹配概率;最后,通過KM算法來尋找點集之間的最優(yōu)匹配,并將該最優(yōu)匹配作為最終的匹配結果。該算法可以在平移、縮放、旋轉等變換下獲得較好的匹配效果,并且還能夠處理不同大小點集的匹配問題。實驗結果表明了該算法的有效性。
   2、提出了一種基于局部相對形狀上下文與Q-譜的點模式匹配算法。首先,對每個點構造相應的線圖,并對線圖的無符號Laplacian矩陣進行譜分解;其次,利用分解所獲得的特征值計算點的初始匹配概率;然后,通過定義

4、局部相對形狀上下文計算點的相似性距離;最后,將Q-譜方法與局部相對形狀上下文結合進行概率松弛迭代獲得最終的匹配結果。實驗結果表明該算法具有較高的匹配精度,提高了Q-譜方法的性能。
   3、提出了一種基于QR分解的點模式匹配算法。首先,利用待匹配點集構造賦權完全圖,并根據(jù)賦權完全圖構造賦權鄰接矩陣;然后,對所構造的賦權鄰接矩陣進行QR分解,利用分解所得的正交矩陣進行點集匹配;為了進一步提高匹配的精度,提出了一種簡單的通過比較點的

5、前K個最相似鄰點的對應關系進行誤匹配檢測的方法;最后,通過循環(huán)檢測與匹配獲得最終匹配結果。大量的實驗結果表明該算法具有較高的匹配精度,并能夠在較大仿射變換下獲得較好的匹配效果。
   4、提出了一種基于有向圖譜的點模式匹配算法。根據(jù)兩幅圖像所提取的特征點構造賦權完全圖,在賦權完全圖的基礎上,提出一種邊定向方法對其進行定向,從而獲得有向圖;根據(jù)有向圖,構造反對稱矩陣,并對其進行譜分解,利用獲得的部分特征向量來表示點的特征,通過比較

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論