基于轮廓和骨架的形状描述与匹配研究的中期报告.docxVIP

基于轮廓和骨架的形状描述与匹配研究的中期报告

1.研究背景与意义

形状描述和匹配一直是计算机视觉领域的一个热门话题。在实际应用中，许多场景都需要对目标进行形状描述和匹配，如机器人视觉、物体识别、医学图像分析等。然而，对于不同形状之间的匹配问题，无论是基于全局特征还是局部特征的方法均存在不足之处，一些形状很难被准确地匹配。因此，基于轮廓和骨架的形状描述与匹配方法的研究具有重要意义。

2.目标与研究内容

本文旨在基于轮廓和骨架的形状描述与匹配方法，在复杂背景下对物体进行形状描述和匹配。具体目标如下：

-提出一种基于轮廓和骨架的物体形状描述方法，使其能够适应各种形状的物体，并检测物体的缺陷和变形。

-提出一种基于相似性度量的骨架匹配算法和轮廓匹配算法，实现复杂场景中的物体匹配。

-实验验证所提方法的有效性和鲁棒性，并与其他形状描述与匹配算法进行比较。

3.研究方案与进展

基于轮廓和骨架的形状描述与匹配方法主要包括以下研究内容：

3.1基于轮廓的形状描述方法

我们提出了一种基于多维曲率特征的轮廓描述算法。该方法将曲率信息作为轮廓特征，利用曲率半径和曲率方向构建曲率向量，再采用主成分分析方法将多维曲率特征降维为二维平面，最终得到轮廓特征表示。

3.2基于骨架的形状描述方法

我们提出了一种基于摄影测量学的三维骨架提取方法。该方法通过对投影图像进行特征点提取和匹配，得到物体在不同角度下的三维点云，然后基于三维点云构建物体的骨架。同时，我们还研究了基于曲率的骨架描述方法，将曲率信息作为骨架特征，通过主成分分析方法进行降维，并得到骨架特征表示。

3.3基于相似性度量的骨架匹配算法

我们提出了一种基于曲率特征和卡尔曼滤波的骨架匹配算法。该方法将曲率特征作为匹配特征，并利用卡尔曼滤波方法对匹配结果进行优化。

3.4基于相似性度量的轮廓匹配算法

我们研究了基于形状上下文（ShapeContext）的轮廓匹配算法，并结合SIFT描述算法对旋转、缩放和光照变化等情况进行匹配。

目前，我们已经完成了基于轮廓的形状描述算法和基于曲率的骨架描述算法，并进行了初步的实验验证。下一步将进行基于骨架的匹配算法和基于轮廓的匹配算法的研究，并进行实验验证。