数字图像第8章课题.ppt

第八章 景物分析(Scene Analysis)场景的表示方法以及用图匹配对景物的识别 8.1 景物的描述 8.2 图匹配及其应用 8.3 场景信息的获取 8.4 运动物体的检测与估计 8.1 景物的描述 8.1.1 语义网络 8.1.2 谓词逻辑 8.1.3 框架结构 8.1.1 语义网络(Semantic network) 语义网络是知识表现方法中有代表性的一种方法。 语义网络用有向图构成表示知识的网络结构，是让某网络具有特定意义的一种数据结构。 构成方式： 以节点为对象，用连线表示对象之间的联系， 由此组成一网络结构，表示特定的知识体系。 节点——物体、概念、情况或事实， 分枝——相互的联系。 ● IS-A 是一种重要的联系。 反映集合与成员，抽象与具体的联系。 ●简单的语义网络只允许二元关系。 三元关系则用超图或用分解的方法表示。 ●语义网络直观、清楚； 但表达知识的范围有限。 8.1.2 谓词逻辑(Predicate Logic) 谓词逻辑用谓词的形式表示动作的主体与客体。 用数理逻辑作为表达机制: P（x1，x2，x3，…） 式中：P为谓词逻辑名， x1，x2，x3，…是表示主体与客体的对象组 用的较多的是一阶谓词FOPL (First Order Predicate Logical) 例2： Play (Zhang, Wang, tennis) 例3： Between (highchair, armchair, stool) 例4： Pompeian (Marcus) 例5：二阶谓词 EQ (shape (stool), low) 用谓词逻辑来表达知识，易于实现推理。 能表达三元以上的关系。 用谓词逻辑作为系统的骨架可将关系数据库扩展成知识库。 8.1.3 框架结构（Frame) 用框架模型表示知识。 框架结构将一个物体有关的 知识集中在一起加以描述。 是一种面向对象的描述方法。 框架（Frame）作为一个基本的知识结构，其内容根据需要而变化，以适应现实的各种情况，框架中可以填入各种信息。 框架的构成要素是槽，每个槽有槽名、槽值。槽值可以是具体的值，也可以是指向子框架的指针。 将有联系的框架相互连接，构成框架系统，可以描述复杂的事物。 8.2 图匹配及其应用 用匹配方法识别景物 8.2.1 属性超图及匹配 1、属性图 2、图匹配 8.2.2 位置网络 8.2.1 属性超图及匹配 1、属性超图 图 G(V,A) V是节点集，A是分枝集。 属性图 G(V,A) V,A是有相应属性的节点和分枝集。 属性用有序对（Ai，ai）表示， Ai是属性名，ai是属性值。 属性图基元 G(Vi,Ai) 描述基本成分的属性图。 可以作为复杂图中的一节点。 （如超图中的超节点) 属性超图 GH（VH,AH) 由超节点和超分枝组成。 可描述一个复杂的物体或场景。 景物的超图 由属性超图进一步组成的更复杂的图。 完全匹配 部分匹配 非精确匹配 属性图匹配 8.3 场景信息的获取 从二维图象或图象序列来解释三维景物， 需要提取距离(深度)、表面方向等信息 8.3.1 三维景物距离信息的获取 1、从立体视差测距 2、从纹理测距 8.3.2 三维物体表面主方向信息获取 2、从纹理测距 只需要一个相机，但测得的是相对距离。 观测具有相同纹理特征的物体表面，发现随着物体与相机距离的增大，纹理基元的尺寸变小了。根据这一特征，构造基于纹理的测距方法。 8.3.2 三维物体表面主方向信息获取 在二维图象和三维场景之间，Marr提出了一种2.5维图，该图在以观察者为中心的座标系上，用法向量来表示表面朝向。 获得三维物体表面主方向估计的方法有: 如由阴影和遮当边界估计表面主方向， 由轮廓估计表面主方向， 由纹理估计表面主方向， 由立体视觉估计表面主方向 由运动估计表面主方向。 8·4 运动物体的检测与估计 1、富利叶变换法 2、差分法 3、相关法 从时序图象中检测出运动参数 物体具有刚体性质， 二维投影图象满足中心投影的模型 F/z = X/x = Y/y * * 语义网络的例子 张民是青年人。 三元关系的表达之例1 三元关系的表达之例2 语义网络例 例1： IS-A(armchair, furniture) IS-A(table, furniture) IS-A(stool, furni