灰度圖像骨架的提取及在物體檢測中的應用.pdf

1、自然圖像中的物體檢測與識別是計算機視覺領域的首要目標。而如何有效地從自然圖像中提取圖像特征，表達圖像特征并對圖像特征之間的關系進行建模是物體檢測與識別中首要解決的問題。本文主要解決兩個問題：灰度圖像的骨架提取即自然圖像中圖像特征的提取及表達，及利用條件隨機場對骨架進行建模，建立基于形狀的自然圖像的物體檢測與識別方法。
　　 灰度圖像的骨架提取面臨著圖像分割這一難題，為避免圖像分割，本文提出從物體邊緣計算骨架強度圖并提取骨架的方法

2、。骨架強度圖是從距離變換出發(fā)，通過去噪、各向同性擴展等步驟計算得到的。它具有適合于骨架提取的優(yōu)良性質：在骨架點位置骨架強度圖有很高的值，而從骨架點到非骨架點位置，骨架強度值迅速減小。從骨架強度圖不但可以提取穩(wěn)定、連通、完整的二值圖像骨架，也可以結合高層視覺信息提取穩(wěn)定、連通的灰度圖像骨架。
　　 本文還設計了一個基于局部相似性的非剛性物體檢測方法，該方法既可以表示非剛性物體的局部相似性，又能夠捕捉非剛性物體變化時拓撲結構的不變性

3、。針對現(xiàn)有的物體檢測方法不能有效對局部特征的相互關系進行建模這一問題，本文使用具有線性無向圖結構的條件隨機場模擬物體的線性骨架結構，并使用小段的骨架片段表示物體的局部特征，使用監(jiān)督式的機器學習方法，有效地進行物體檢測。同時，本文還提出了結合骨架的線性結構與星形結構的條件隨機場模型，從而對更加復雜的局部特征間的關系進行建模。
　　 實驗結果表明，作為物體的拓撲結構的一種表達形式，骨架在物體識別中起的作用非常關鍵，利用統(tǒng)計學習模型對