论文部分内容阅读
模式匹配是计算机视觉和模式识别领域的一个重要而基础的问题,在图像配准、立体视觉、图像检索、目标识别与跟踪、医学图像分析、景象匹配导航等方面有着广阔的应用背景,对其进行研究具有重要的理论意义和实际应用价值,一直是众多领域研究的热点问题。模式匹配可以分为点模式匹配方法和线模式匹配方法。其中点模式匹配可以分为基于空间变换的参数匹配方法、基于不变量或不变特征的匹配方法、基于图理论的匹配方法以及各种交叉方法:线模式匹配可以分为基于不变量的线匹配方法、基于几何约束的线匹配方法、基于构造描述符的线匹配方法等。这些方法都取得了一些成果,但是在模式匹配的研究中,人们一直在研究更加快速的匹配算法。本文提出了一种快速点模式匹配算法和一种快速线模式匹配算法。本文主要工作及研究成果如下:1、研究了在平移旋转伸缩变换下的完全点模式匹配方法,提出一种基于凸壳的点模式匹配算法。提出了凸壳的快速匹配算法,根据两个相似凸壳对应内角相等、对应边成比例,计算凸壳的内角以及边长,通过字符串匹配算法一KMP算法,匹配两个凸壳的内角以及边长,确定凸壳顶点对应关系。在点集匹配时,根据重心是平移旋转伸缩变换下的不变量,由点到重心的距离确定变换的伸缩比;计算点集的凸壳,应用凸壳的匹配算法,确定对应点的对应关系,从而实现在旋转、缩放以及平移变换下的点模式匹配算法。实验结果表明,算法准确、效率高。2、在平移旋转伸缩变换下提出了一种基于线特征的模式匹配算法。算法在图像中应用canny算子提取图像边缘曲线,使用Douglas-Peucker算法对曲线进行分段,对分段曲线进行最小二乘法拟合,使曲线直线化。线段签名是一个线段集合,分别计算两幅图中线段的签名线段,计算目标线段与签名线段中的每一条线段形成的特征描述符,并构成线段特征序列。通过比较线段特征序列相似度,得到线段对应的相似线段集合。采用RANSAC算法思想校正和剔除误匹配线段,得到匹配结果。实验结果表明,该算法较好的平衡了正确率和速度之间的关系。