基于自适应张量投票的视觉特征结构提取研究-计算机应用技术专业论文.docxVIP

基于自适应张量投票的视觉特征结构提取研究 基于自适应张量投票的视觉特征结构提取研究 摘要 基于自适应张量投票的视觉特征结构提取研究 摘要 随着计算机视觉研究领域的不断拓展，许多新的图形图像形式逐渐成了计算机视 觉研究的对象，同时对处理结果的要求也越来越苛刻。在这背景下，一些新的视觉特 征结构提取算法逐渐发展起来，张量投票正是其中比较出色的算法。 本论文从张量投票视觉特征提取构架分析出发，提出了一种改进的自适应张量投 票算法，给出了算法设计和具体实现方案，并将之应用于二维点云中的特征结构实体 提取和图像曲线提取，取得了较好的实验结果。具体表现为如下几点： (1)提出了结合点云密度和图像纹理的自适应张量投票算法，改进和丰富了张量 投票理论构架。 (2)对点云密度进行了深入系统的分析研究，提出了能反映局部密集程度的密集 度参数，弥补了传统点云密度提取方法导致整体密度均匀化的缺陷。结合点云的密集 度、均匀分块密度和方差，提出了判别点云随机性和分布均匀性的方法，填补了点云 密集性判别研究的空白。 (3)基于已有点云视觉结构提取算法大多只能对特定类型的点云进行提取的缺 陷，提出了一个结合点云密度和随机性判别的自适应张量投票算法。该方法首先对点 云进行预判别，仅对包含视觉特征结构实体的点云进行特征结构实体提取，排除了提 取伪特征结构实体的可能性，从而提高了张量投票算法的准确性；其次通过自适应确 定投票场尺度参数实现了自适应张量投票，使投票过程依据点云自身密度进行自适应 调整，提高了算法的提取精度。 (4)基于图像纹理分析，提出了一个结合图像纹理的自适应张量投票算法。该方 法依据图像纹理谱自适应确定投票场尺度参数，实现了自适应张量投票，提高了张量 投票在灰度图像中提取曲线结构的精度。 张量投票作为计算机视觉结构提取的一个有力工具，对它的研究和改进，也可以 为其他视觉结构提取算法的研究和实现提供借鉴和参考。 关键字：自适应张量投票，点云密度，纹理谱，投票场尺度，点云预判别 作 者：叶爱芬 指导老师：龚声蓉教授 Abstract Abstract Pe．．．．r．．ce—p—tual．Sa—l—ience S．t．．．ru．c．．—t—ure E——xt—r—ac—t—ion base——d——o——n Adaptive Tensor Voting Perceptual S alience Structure Extraction based on Adaptive Tensorensor Abstract With the development of computer vision area,lots of new graphical image forms are gradually becoming the research obj ects of computer vision．At the same time，the requirements for processing outcome are also increasingly demanding．In such circumstances，several new algorithms for perceptual salience structure extraction ale emerging，among which there is an outstanding algorithm，called Tensor Voting． In this dissertation,accompanied by the design and implementation scheme，we propose an improved adaptive Tensor Voting， which is based on the in-depth analysis and resealch on the Tensor Voting framework for perceptual salience structure extraction．We apply this framework tO extract perceptual salience structure from 2-D point cloud，and the preferable outcome was obtained．The contributions ale as follows： (1)Proposing Adaptive Tensor Voting Algorithms，which ale combined with point cloud density and image texture，to improve and