非相似图形的模糊匹配方法研究.pdfVIP

模糊集理论与应用 非相似图形的模糊匹配方法的研究 朱学劳 南京邮电学院计算机系 南京210003 杨建生 北京大学数学学院北京 100871 摘要 非相似图形形状的匹配问题是模式识别中的一类重要的研究问题，在计算机视觉、 图像识别阳处理、多媒体信息检索等研究领域有广阔的应用前景。本文针对一类 非相似图像(包括曲线)的对比问题，首先对图形形状(轮廓)进行有效的特征矢量 表示，然后用合适的模糊隶属度表示，算法及模拟实验分析表明，对不带洞的、多边 形和圆弧以及曲线边界线形状的比较是有效的。 关键词模型识别非相似瘦量{形状的匹配模糊隶属度 垮j 引 言 在图像的处理和识别、计算机视觉等相关领域中，关于图像中物体的轮廓信息如线段、 圆弧、角等已经作过比较广泛和深入的研究，轮廓信息的特征提取技术也相对成熟；这一方 面的研究人员所做的杰出的成绩的人很多．不一一提及，其中贡献较大、较有代表性的是 method)。根据形状的匹配研 Freeman的曲线表示方法和Duda和Auit的分裂方法(spliting 究，检测形状的相似性或不相似的匹配程度，可以供研究人员研究已知的或不能明确袭征的 不同形状绘图之间的关系，也方便于计算机在图像数据库中表示的内容。A．D．Bimbo和 Pietro pala等人还研究仅仅已知图像中物体的部分边界，利用图形的相关性和相似性以及 相对位置的描述。根据其图形的一般属性以及相对位置的描述，根据其图形的一般属性，在 图形数据库中，对图形进行检索“’“。 人们的感觉器官由于受长期训练(婴儿从出生开始就学习、认识图案、立体形状等)主要 是依据事物的物理和结构特征来识别事物、人或动物。然而，用计算机来识别图形、物体的 形状时，因为它很难模仿人的感觉器官，就远不如人们那样列用原始模式的物理结构和结构 特征。但是．人们可以设计机器来抽取待识别模式的数学持征，这一方面，人们在无数学方 法的帮助下就很难象计算机那样运用自如，人们凭直观是很难掌握统计平均、相关系数、协 方差矩阵的恃征值、特征矢量以及其他的一些不变数学特征。抽取模式的数学特征的任务 就是甩数学语言描述模式的不变属性，可以应用适当的数学变换来大大地减少数据量““。 而我们知道，一个图形本身并不带有数据描述，它实际上是根据模式本身的特征，由机器要 完成人们交给它的某种识别任务的性质，用之适当描述待识别模式的特征的一种计算方法。 下面仅讨论欲比较和识别的图形的边界为封闭曲线的情况，对其边界进行深入研究是有益 于描述和匹配；常见的曲线，是宽度不小于一位象素的抽象，如通过细化等处理方法，使得符 第六部分模糊神啦罔珞、知识获取与学习 623 合人们心理视觉上的曲线。 常见的表示细化曲线的方法有： (1)定义跟踪线段的方向，用曲线跟踪的方法，确定其用Freeman编码表示的数据串； (2)转折函数8(s)表示多角形，它把各有向线段按逆时针方向与水平右方向的夹角(按 路径顺序)。井将整个闭合路径的周长归一化．则： 吼t)_。(0)十2“l (1) 0(s}1)=0(e)十2ⅡJ 是曲线上的点Si的笛卡儿坐标系中的整数坐标值[。1“。 一、相似性度量 在相似性度量及匹配方面有很多研究人员做过大量的研究。用距离测度表示两个不I司 形状的图形匹配程度的基本概念是：距离越大则相似性越小，而匹配程度就越羞。 文献【1]中介绍了一种比较多边形形状(的图形)的计算度量，它利用多边形边界的转折 函数之间建立L。范数距离来衡量两个多边形的相似程度，从而推广了比较多边