資源描述：
《基于輪廓形狀識(shí)別方法是研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、摘要基于輪廓的形狀識(shí)別方法研究計(jì)算機(jī)系統(tǒng)結(jié)構(gòu)專業(yè)碩士研究生潘珍指導(dǎo)教師肖國(guó)強(qiáng)教授摘要隨著個(gè)人電子設(shè)備的廣泛應(yīng)用以及設(shè)備性能的不斷提高，人們需要處理越來(lái)越多的圖像數(shù)據(jù)。計(jì)算機(jī)技術(shù)的不斷提升，加速了人們利用計(jì)算機(jī)來(lái)理解和處理這些圖像數(shù)據(jù)的進(jìn)程。為了有效地管理和理解這些數(shù)據(jù)，圖像底層特征(顏色、紋理、形狀等)成為解決這一問(wèn)題的重要元素。形狀作為一種最具感知意義的特征，成為研究人員熱點(diǎn)研究對(duì)象。與形狀匹配和識(shí)別相關(guān)的應(yīng)用越來(lái)越多(如數(shù)字識(shí)別、商標(biāo)檢索、行為識(shí)別、人體姿態(tài)估計(jì))，人們希望能有更好的算法來(lái)處理研究中所面臨的問(wèn)題。這些使得形狀的匹配和識(shí)別成為一個(gè)具有理論和實(shí)踐意義的研究課題。在當(dāng)前眾多形狀
2、匹配方法中，基于輪廓的方法所表現(xiàn)出的良好性能優(yōu)勢(shì)和相當(dāng)?shù)陌l(fā)展?jié)摿?，使其成為該領(lǐng)域十分活躍的研究課題，但同時(shí)也存在諸多挑戰(zhàn)。本文立足于對(duì)形狀匹配原理的思考，從計(jì)算機(jī)視覺(jué)的角度出發(fā)，對(duì)基于輪廓的形狀匹配作了較深入的研究。針對(duì)現(xiàn)有算法存在的問(wèn)題，主要完成了以下研究工作：(1)現(xiàn)有基于輪廓的形狀匹配算法在完成輪廓對(duì)應(yīng)時(shí)大多采用一對(duì)一的映射模型。一對(duì)一映射模型在各算法中表現(xiàn)出了較好的性能，但仍存在一定問(wèn)題。由于沒(méi)有考慮到輪廓點(diǎn)在形狀上的位置屬性，基于一對(duì)一映射的算法容易出現(xiàn)誤匹配的情況。為了降低誤匹配率，本文將點(diǎn)之間的位置關(guān)系加入到形狀匹配模型中，提出一種點(diǎn)對(duì)映射的形狀相似性度量模型，并用核函數(shù)來(lái)定義
3、點(diǎn)對(duì)映射的關(guān)系值。為了提高形狀識(shí)別的正確率，利用形狀識(shí)別的特性，本文提出一種度量待識(shí)別形狀與模型形狀之間的距離的方法，該方法有效地提高了形狀識(shí)別的正確率。(2)極坐標(biāo)系是一種被廣泛應(yīng)用的二維坐標(biāo)系，受極坐標(biāo)矩陣和形狀上下文方法的啟發(fā)，本文將兩者結(jié)合得到一種全局形狀上下文描述子。為了降低形狀邊界上離散像素點(diǎn)對(duì)描述子的影響，本文從人類視覺(jué)感知出發(fā)，用角度梯度來(lái)簡(jiǎn)化形狀。由于忽略了形狀邊界上的微小變化，經(jīng)過(guò)簡(jiǎn)化后的形狀所提取的全局上下文描述子更具抗噪能力。為了驗(yàn)證算法的有效性，本文在通用的標(biāo)準(zhǔn)測(cè)試集MPEG．7CE．Shape．1上進(jìn)行了實(shí)驗(yàn)，該測(cè)試集包含的形狀豐富，是一個(gè)被廣泛使用的形狀數(shù)據(jù)庫(kù)。
4、Bulls-eye標(biāo)準(zhǔn)對(duì)算法檢索率的評(píng)判，證明了本文兩種算法都具有尺度和旋轉(zhuǎn)不變性。在形狀檢索部分，點(diǎn)對(duì)映射形狀匹配I摘要算法所得檢索率為93．1％，超過(guò)了Sc和DSC兩種算法；全局形狀上下文匹配算法所得檢索率為85．1％，超過(guò)了SC而與IDSC相當(dāng)。從運(yùn)行時(shí)間來(lái)看，GSC算法提取描述子的時(shí)間低于SC和DSC兩種描述子所提取的時(shí)間。關(guān)鍵字：形狀匹配和識(shí)別、點(diǎn)對(duì)映射模型、全局上下文、角度梯度、形狀到類的距離ⅡAbstractResearchonShapeRecognitionBasedonShapeContourM匈or：Computer心chitectureTeclulologyAumor：
5、PanZhenSupervisor：Pro￡XiaoGuoqiaIlgWimttlepopularusageofpe搭)nalelec仃IDnicde訪cesandmeimpr0Vememofdeviceperf．0咖ance，usefsneedt0comprehendaIldhalldlea1a毽enumberofimages．D鵬tothecominuo璐iInprovementofcomputertech董lology，peoplew觚tt0眥derst觚d觚dh鋤dlemeiIIlagesordatawimcomputers．hlordert0m鋤age鋤dma：keout廿1ese
6、脅ae伍-ectiVely，tllelow-leVelcha均cteriSticsofimages(color'te)吐ure，shape，酏c．)become也emostimportantfea_tureswhensolV證gtllispmblem．Asasignific鋤tperceptiblefea：tu陀，sh印ebecomesoneofthekey姆tsf．orresearchers．AlongwimtheiIlcre弱eofpr∞6cal印plic撕on(such勰cllaract日recognitio瑪trademarklogoretrieVal，actiVi夠他co粵liti
7、oIl，htl薹Il鋤poSeestima：ce)w11ich弱sociatedwitllshapematcmI唱aIldreco印itio瑪moree伍cientshapematchingaIldrecogIlitionalgori也msareneededt0llandlenle∞problemsiIlresearches．Thus，thestIldyonshapematching鋤dreco鰣tionis
