基于自適應(yīng)張量投票的視覺特征結(jié)構(gòu)提取研究.pdf

1、隨著計算機視覺研究領(lǐng)域的不斷拓展，許多新的圖形圖像形式逐漸成了計算機視覺研究的對象，同時對處理結(jié)果的要求也越來越苛刻。在這背景下，一些新的視覺特征結(jié)構(gòu)提取算法逐漸發(fā)展起來，張量投票正是其中比較出色的算法。 本論文從張量投票視覺特征提取構(gòu)架分析出發(fā)，提出了一種改進的自適應(yīng)張量投票算法，給出了算法設(shè)計和具體實現(xiàn)方案，并將之應(yīng)用于二維點云中的特征結(jié)構(gòu)實體提取和圖像曲線提取，取得了較好的實驗結(jié)果。具體表現(xiàn)為如下幾點： (1)提出

2、了結(jié)合點云密度和圖像紋理的自適應(yīng)張量投票算法，改進和豐富了張量投票理論構(gòu)架。 (2)對點云密度進行了深入系統(tǒng)的分析研究，提出了能反映局部密集程度的密集度參數(shù)，彌補了傳統(tǒng)點云密度提取方法導(dǎo)致整體密度均勻化的缺陷。結(jié)合點云的密集度、均勻分塊密度和方差，提出了判別點云隨機性和分布均勻性的方法，填補了點云密集性判別研究的空白。 (3)基于已有點云視覺結(jié)構(gòu)提取算法大多只能對特定類型的點云進行提取的缺陷，提出了一個結(jié)合點云密度和隨機

3、性判別的自適應(yīng)張量投票算法。該方法首先對點云進行預(yù)判別，僅對包含視覺特征結(jié)構(gòu)實體的點云進行特征結(jié)構(gòu)實體提取，排除了提取偽特征結(jié)構(gòu)實體的可能性，從而提高了張量投票算法的準確性；其次通過自適應(yīng)確定投票場尺度參數(shù)實現(xiàn)了自適應(yīng)張量投票，使投票過程依據(jù)點云自身密度進行自適應(yīng)調(diào)整，提高了算法的提取精度。 (4)基于圖像紋理分析，提出了一個結(jié)合圖像紋理的自適應(yīng)張量投票算法。該方法依據(jù)圖像紋理譜自適應(yīng)確定投票場尺度參數(shù)，實現(xiàn)了自適應(yīng)張量投票，提