论文部分内容阅读
近些年来,计算机信息交互逐渐从简单的文字信息交互转换为通过识别图像信息的交互。在计算机视觉高速发展的时代,越来越多的公司将图像识别技术成果转化为实际产品,应用到日常生活、工业应用和军事活动中。图像识别方法可根据图像的特征分为基于图像纹理、图像颜色、图像轮廓等识别方法。认知心理学专家认为,人类视觉对目标的轮廓特征比颜色和纹理等特征更敏感,识别的鲁棒性和稳定性更高,因此基于图像轮廓的目标识别是图像识别研究的热点。本论文以图像的轮廓为识别特征,研究了轮廓保边去噪的预处理方法,轮廓特征简化和描述方法,以及轮廓匹配方法,全文主要研究内容如下:研究了自然图像的平滑预处理及其在图像轮廓保边去噪中的应用。首先定义了像素的强度和梯度函数以控制平滑图像与原图像的结构差异,构造平滑目标函数。采用变量分裂法对目标函数进行优化,得到最终平滑模型。最后利用交替最小化方法求解该模型,获得平滑图像。对平滑后的自然图像,进行边缘提取,能够获得较好的图像边缘,验证了算法在轮廓提取中的预处理作用。研究了改进离散曲线演化的轮廓简化算法。为了使得轮廓描述和匹配的复杂度降低,增强轮廓特征对边界噪声的鲁棒性,同时兼顾轮廓的识别特征,提出一种基于离散曲线演化的轮廓简化及识别算法。首先定义了控制演化的阈值函数,改进离散曲线演化算法。利用改进的离散曲线演化算法对轮廓进行特征演化提取,获得具有重要视觉部件的轮廓,将原来上千个特征点减少到几百个,简化了轮廓描述的复杂度。研究了基于同底三角形面积轮廓描述的目标识别算法。有效的轮廓描述方法对于图像目标识别具有重要意义,为此提出了一种基于同底三角形面积的轮廓描述方法。该方法首先定义每个轮廓点的同底三角形面积描述子,并对该描述子进行局部平滑,使其更加鲁棒。然后采用加权L1度量方法计算两个目标所有轮廓点描述子之间的距离,获得匹配代价矩阵。最后利用DP算法计算匹配代价矩阵的相似度,实现匹配识别。在MPEG-7、Kimia以及铰接形状数据库上测试表明,该方法对变形目标具有良好的鲁棒性,且检索精度较高。研究了用于遮挡目标匹配的弦角特征描述方法。为了实现部分遮挡目标的精确匹配,同时兼顾匹配算法的检索率和运算效率,提出一种基于轮廓弦角特征的描述算法。该算法首先构造每个轮廓采样点的弦角特征描述子。然后采用L1度量方法计算两个轮廓点的弦描述子之间的距离,获得匹配代价矩阵。最后利用积分图算法计算匹配代价矩阵的相似度,实现部分遮挡目标的识别。在MPEG-7和Kimia216形状数据库上的测试分析表明,该算法对部分遮挡目标具有良好的鲁棒性,且提高了运算效率,部分匹配的检索率达到83.63%,结果优于现有部分遮挡目标匹配算法。将本文研究的理论方法应用于实际自然图像的显著目标检测中,验证该理论成果的可行性。识别算法步骤如下:对自然图像进行平滑,去除背景噪声,再对平滑后的图像进行二值化并分割出目标;接着对二值图进行轮廓坐标提取并进行简化,获得目标轮廓;对轮廓进行特征描述,获得描述符,并与模板库进行匹配,最终得到识别结果。在自然图像上的识别结果验证了本文提出的方法的有效性和适用性。