基于圖理論與稀疏約束模型的圖像表示、匹配與識(shí)別.pdf

1、隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，產(chǎn)生了海量的圖像視頻等視覺信息數(shù)據(jù)。如何實(shí)現(xiàn)對這些數(shù)據(jù)的有效分析是當(dāng)前計(jì)算機(jī)視覺與機(jī)器學(xué)習(xí)領(lǐng)域中的熱點(diǎn)研究問題。圖像的特征匹配與識(shí)別是計(jì)算機(jī)視覺中的基本問題。圖像匹配能夠?yàn)樽R(shí)別提供重要基礎(chǔ)。此外，匹配問題本身也具有十分重要的理論和應(yīng)用價(jià)值。
　　本文圍繞基于圖理論與稀疏模型的圖像匹配與識(shí)別問題展開討論，在分析傳統(tǒng)模型缺乏對圖像結(jié)構(gòu)信息的有效利用等問題以及匹配問題具有非負(fù)稀疏性質(zhì)等特點(diǎn)的基礎(chǔ)上，研究了基于圖

2、理論與稀疏約束模型的圖像結(jié)構(gòu)信息表示、匹配與識(shí)別方法。
　　在圖像特征匹配問題中，利用圖模型實(shí)現(xiàn)圖像特征之間結(jié)構(gòu)信息的穩(wěn)健表示對解決匹配這一問題具有十分重要的作用，而結(jié)構(gòu)的穩(wěn)健表示離不開魯棒圖模型的構(gòu)建。不完善的成像過程和圖像內(nèi)容的多樣性使得圖像的結(jié)構(gòu)信息表征存在一定的不確定性。因此，傳統(tǒng)確定性結(jié)構(gòu)圖模型往往無法精確地描述這類含有不確定性的數(shù)據(jù)。鑒于此，本文提出了一種利用隨機(jī)圖模型來實(shí)現(xiàn)圖像結(jié)構(gòu)信息的表示方法，稱為幾何-邊隨機(jī)圖模

3、型。幾何-邊隨機(jī)圖模型具有結(jié)構(gòu)不確定性及演化性等特點(diǎn)，因此適合對不確定性結(jié)構(gòu)信息的表達(dá)和提取。研究了幾何-邊隨機(jī)圖模型的建立，模型的代數(shù)表示、匹配以及矢量量化等方面的內(nèi)容。給出了基于幾何-邊隨機(jī)圖模型的圖像結(jié)構(gòu)化表示、匹配以及識(shí)別方法。
　　圖像匹配問題的解決除了穩(wěn)健結(jié)構(gòu)圖模型的建立以外，高效的匹配算法同樣起著關(guān)鍵性作用。匹配問題具有離散約束性質(zhì)，使得對該問題的精確求解變得十分困難。目前，研究者們大多采用離散松弛模型來獲得該問題的

4、一些連續(xù)近似解。然而，這些連續(xù)近似解由于忽略了問題本身固有的離散性質(zhì)而往往不能得到較好精度的最終匹配結(jié)果。離散性本身蘊(yùn)含著稀疏性，而稀疏性也可以看作是對離散性的一種近似表達(dá)。因此，通過在傳統(tǒng)松弛模型的基礎(chǔ)上增加稀疏約束就能夠獲得匹配問題的一種近似離散優(yōu)化解。鑒于此，本文研究提出了兩種不同的稀疏匹配模型，并設(shè)計(jì)了該模型的高效求解算法。稀疏匹配模型能夠得到匹配問題的一種稀疏解，從而更加逼近對原始離散匹配問題的近似表達(dá)。稀疏模型是近年來計(jì)算機(jī)

5、視覺與機(jī)器學(xué)習(xí)領(lǐng)域熱點(diǎn)研究問題。這些研究為本文所提的稀疏匹配模型的建立與求解提供了重要理論基礎(chǔ)。
　　利用圖像特征匹配技術(shù)，我們可以獲得圖像之間的某種相似性度量。圖像的相似性度量同樣可以通過對圖像的矢量特征進(jìn)行核化獲得。事實(shí)上，這些圖像之間的相似性反映了圖像數(shù)據(jù)之間的幾何結(jié)構(gòu)信息，而這種幾何結(jié)構(gòu)信息可以通過圖模型來表達(dá)。圖像數(shù)據(jù)間的結(jié)構(gòu)信息同樣對實(shí)現(xiàn)圖像的識(shí)別具有十分重要的意義。然而，目前的一些代表性圖像識(shí)別算法，如主成分分析方法