基于形状的图像匹配算法研究-控制理论与控制工程专业论文.docxVIP

西安 西安理工大学硕士学位论文 PAGE PAGE IV III 西安 西安理工大学硕士学位论文 目 目 录 PAGE PAGE IV 目 录 1 绪论 1 1.1 课题的研究背景及意义1 1.2 形状描述的研究现状1 1.2.1 基于区域的描述方法2 1.2.2 基于轮廓的描述方法3 1.3 形状匹配的研究现状4 1.4 本文的研究内容与章节安排5 2 图像预处理及规则图像的识别7 2.1 图像滤波 7 2.1.1 均值滤波7 2.1.2 中值滤波7 2.1.3 频域低通滤波8 2.1.4 三种滤波方法处理结果分析 8 2.2 图像分割 9 2.2.1 阈值分割9 2.2.2 阈值分割实验结果对比分析11 2.3 边缘检测 11 2.4 规则形状的识别13 2.4.1 三角形检测13 2.4.2 圆形检测14 2.4.3 矩形检测15 2.5 本章小结16 3 曲率尺度空间算法17 3.1 尺度空间思想17 3.2 轮廓跟踪及曲线演化18 3.2.1 曲线轮廓跟踪19 3.2.2 曲线演化20 3.2.3 数字图像的演化22 3.3 CSS 图像的生成 23 3.4 CSS 图像的简化 25 3.4.1 CSS 图像的归一化 25 3.4.2 CSS 图像基于最高点的匹配 25 3.5 CSS 算法存在的问题 29 3.6 本章小结 30 4 CSS 算法改进 32 4.1 演化尺度间隔的影响32 4.2 拱形面积的计算33 4.3 CSS 图像的规范化及匹配 35 4.3.1 平移规则35 4.3.2 基于面积的 CSS 匹配算法 37 4.4 全局变量39 4.4.1 全局变量的计算40 I 西安 西安理工大学硕士学位论文 绪 绪 论 II II PAGE PAGE 1 4.4.2 全局变量作用41 4.5 本章小结 42 5 算法性能检测及数值实验44 5.1 规则形状的识别44 5.2 CSS 算法性能检测 45 5.2.1 旋转不变性测试46 5.2.2 系统软件介绍46 5.3 本章总结 50 6 总结与展望 52 6.1 总结 52 6.2 展望 52 致 谢 54 参考文献 56 1 绪论 1.1 课题的研究背景及意义 计算机视觉[1]是利用传感器将三维物体的空间关系、物理性质、以及表面反射等特性 综合在一起。形成能够表示此三维物体的二维图像。在通常情况下，计算机视觉分为两部 分：底层视觉以及高层视觉。底层视觉实质就是图像处理，主要是完成噪声滤除、图像增 强和边缘检测等工作；高层视觉包含了图像理解和图像分析，从而来模拟人类对图像的认 知和决策能力。 图像匹配问题是计算机视觉中一项至关重要的工作，其主要是完成图像处理到图像分 析这一关键步骤。图像匹配算法主要可分两大类：第一类是根据基于纹理、颜色等特征进 行匹配；第二类是基于形状的匹配[2,3]。与颜色、纹理相比，视觉系统能够更加准确地捕 获目标的边缘信息得，因此形状信息能更有效地表示物体。因此在对物体进行描述时形状 信息起着更加重要的作用，通常只要根据形状就可对物体进行辨识。 在计算机视觉和模式识别中，物体的形状可以用物体的轮廓或者物体在图像中所占的 区域来表示。形状匹配的主要工作是判断两幅图像是否相似，且应该对相似度进行度量。 形状匹配是利用一定形状的描述方法来计算两目标之间的相似性或者相异性的算法。在进 行形状匹配时，首先要对形状进行描述和表示。对形状进行描述时首先要使用特定的一些 方法来生成数值描述子，数值描述子要对不同目标能够有效区分，并且应有旋转、平移和 尺度不变性。根据处理形变的能力，可将形状匹配算法分为两类。一类只能处理各种变换 引起的一些形状变化,其是通过相似不变量、透视不变量、仿射不变量[4,5]等来计算匹配值， 另一类算法可以处理一些较为复杂的形变,其是利用目标和模型的局部特征间的对应关系 来得到最小的匹配值。目前常用的形状匹配算法以下几种：Hough 变换[6]、神经网络、动 态规划等算法。 形状匹配问题