基于場景相關(guān)信息的物體識別方法的研究.pdf

1、物體識別是當(dāng)前計算機(jī)視覺領(lǐng)域的研究熱點，本文針對物體識別領(lǐng)域的傳統(tǒng)方法的不足之處，研究了一種能夠?qū)Υ罅课矬w統(tǒng)一建模的物體識別方法，即基于場景相關(guān)信息的物體識別方法，簡要分析了識別模型和參數(shù)。說明了圖形基元的獲取是該方法研究的重點和難點。本文針對圖形基元的獲取方法展開了深入研究，主要工作包括:
　　 1.將三種常用的圖象領(lǐng)域的方法應(yīng)用于圖形基元的獲取，分別是基于特征塊的方法、基于端點連接的線段檢測和基于區(qū)域支持的線段檢測。基于特征

2、塊的方法所提取的特征塊具有完整的邊緣，它的局限性是要求物體包含足夠多的特征分布均勻的特征塊?；诙它c連接的線段檢測從數(shù)字線段的微觀結(jié)構(gòu)出發(fā)提取線段，具有快速簡單的特點。區(qū)域支持法不需要經(jīng)過邊緣檢測，因此具有很強(qiáng)的抗干擾能力。文中詳細(xì)說明了一種基于線段檢測的消失點線段群檢測的方法，用來識別和建筑結(jié)構(gòu)有關(guān)的具有大量平行線的物體或場景，具有算法簡單、速度快的優(yōu)點。
　　 2.通過實際算例深入分析了基于多邊形近似的圖形基元獲取方法。利用

3、曲線的彎度特征約束傳統(tǒng)基于全局特征方法中遺傳算法的種群空間，加快了算法的收斂速度。針對近似多邊形的頂點之間的不同連接順序造成近似多邊形形狀的不固定的問題，定義了頂點連接的一種約束條件。定義了近似誤差的一種形式，并提出了基于這種誤差形式的周長最大化方法，減少了算法的執(zhí)行時間。提出了多邊形近似中通過調(diào)節(jié)誤差閾值控制近似尺度的原理，不同的近似尺度滿足不同分辨率的需要。
　　 3.針對自然圖象中圓弧基元的獲取提出了窗口矢量化的分割方法和