基于圖理論的圖像描述與匹配算法研究.pdf

1、圖像的表示與匹配技術是圖像處理、分析與理解的基礎。它對圖像的后續(xù)處理、分析和識別具有十分重要的作用。近幾年來，基于圖理論的圖像分析與識別技術得到越來越多研究者們的關注。由于圖模型的靈活性以及較強的數學理論基礎，利用圖理論進行圖像分析處理已經成為圖像處理領域中的重要研究分支。本文在當前圖形圖像的圖理論模型分析方法的基礎上，對圖像的圖表示以及基于圖理論的圖像匹配算法進行了研究，主要包括基于圖表示方法的形狀圖像特征提取，圖像的結構圖表示與識別

2、，圖匹配算法的圖像匹配技術。
　　 本文的主要工作及創(chuàng)新點如下：
　　 (1)針對傳統的物體形狀特征提取方法對一些非剛性變形較敏感等問題，提出了一種新的基于骨架樹模型的形狀特征表示方法，并在基礎上實現了形狀的匹配與相似性度量。該方法是在傳統骨架描述方法的基礎上，進一步考慮輪廓曲線的特征信息，從而充分利用了形狀的拓撲特征和幾何特征。對一些非剛性變形該算法具有較好的魯棒性，而且時間復雜度較低。此外，針對傳統序列匹配方法存在起

3、點選擇及不對稱等問題，進一步改進了傳統的子序列映射算法，給出了一種改進的最優(yōu)子序列匹配映射算法。改進算法不僅僅能夠處理起點不同的序列之間的匹配，而且基于這個算法的序列距離度量方法滿足距離定義中的對稱性條件。將改進的序列匹配算法應用于骨架圖的匹配取得了較好的匹配效果。
　　 (2)針對傳統物體的形狀存在非剛性變形等特點。提出了一種骨架上下文描述子的表示方法。該方法在傳統的形狀上下文描述方法的基礎上進一步結合了形狀的骨架表示方法的特

4、點。該方法集成了形狀的骨架和上下文描述方法的特點與優(yōu)勢，進一步拓展了傳統上下文描述子以及骨架圖表示方法的形狀描述能力，克服了傳統的上下文描述子對非剛性變形的形狀表示能力弱等缺陷，算法復雜度較低。在骨架上下文的基礎上，利用本文所提的改進的最優(yōu)子序列映射方法實現了骨架圖的匹配和形狀相似性的度量。形狀檢索實驗表明該算法具有較好的魯棒性，對形狀的識別精度較高。
　　 (3)在傳統的圖像的結構圖表示方法的基礎上，結合復雜網絡相關理論，提出

5、了一種基于復雜網絡模型的結構圖特征提取與相似性度量方法。該方法首先利用復雜網絡模型對結構圖進行建模，再利用復雜網絡的靜態(tài)和動態(tài)演化特征實現對結構圖的拓撲結構的描述。該方法為進一步利用復雜網絡理論解決模式識別與圖像處理等領域中的問題提供了基礎。為實現圖像的結構化描述與識別提供了新的理論保證。在人工和真實圖像庫上的實驗表明，所提的復雜網絡表示方法不僅能夠實現對不同物體的分類和聚類，而且針對同一物體的不同姿態(tài)，該方法還能進一步實現對這些不同姿

6、態(tài)圖像進行視覺結構分析。
　　 (4)針對圖像的特征點匹配問題，給出了一種新的基于結構圖匹配技術的圖像特征匹配算法。該方法首先定義待匹配結構圖之間最短路徑的相似性度量，然后，通過計算匹配關系之間的親和性，進一步利用網絡的最大團檢測技術實現頂點之間對應問題的求解。網絡的最大團檢測技術是數據挖掘領域中的重要研究內容之一，本文首次提出了利用這種技術實現結構圖匹配的一種途徑。該算法避免了傳統的基于優(yōu)化理論的結構圖匹配算法的較高復雜性以及

7、對噪聲敏感等問題，為結構圖的匹配提供了一種新的思路。實驗表明該算法對于受噪聲干擾較大的結構圖匹配具有較好的匹配效果。
　　 (5)在傳統的結構圖的譜匹配方法的基礎上，提出了一種基于隨機點積圖及圖的點積表示模型的結構圖匹配算法，并在此基礎上實現了圖像的特征點之間的匹配。隨機點積圖理論是近年來興起的隨機圖理論中的重要的研究分支。它作為隨機圖理論體系中的一個重要模型，已經成功應用于圖像處理與模式識別等相關領域。本文進一步拓展了隨機點積