基于骨架与角点检测的三维目标识别研究

摘要

随着现代技术的发展，可以获取和利用的图像资源在急剧增加。利用图像分析和理解的理论方法快速检测和识别出图像中的目标，无论在工业应用还是军事应用中都有迫切的需求。而三维目标识别技术已经成为当前图象识别研究的重要方向。目标的表示和识别技术是图像分析和理解的核心环节，合适目标的表示是其重要的基础，不同的表示方法将导致不同的识别方法。目前己经有了不少目标表示方法，但也存在各自的不足。选择合适的特征空间则是决定识别成功与否的重要步骤。形状是图像中目标的基本内在特性，是用于目标识别的重要特征，因此基于形状的目标识别方法研究具有重要意义。骨架和角点都是目标识别中重要的形状特征。骨架具有层次化、多尺度、与原始目标拓扑一致和适应较大的变化等特点；而角点则具有旋转不变性，几乎不受光照条件的影响，用最少的数据量很好反映了图像上的很多重要的形状特征信息等特点。 基于此，本文将重点对基于骨架和角点特征的目标识别技术进行研究与分析。论文的主要研究内容和所取得的成果包括如下几个方面： 1、介绍了目前在三维目标识别领域中常用的一些识别技术与方法，并对三维识别中常用的特征进行了论述和分析。论述了三维目标的两种表达方法，本文采用了以视点为中心的表达方法，通过算法设计实现对三维模型在不同角度的投影并形成图库。 2、研究了三维目标识别的前期图像处理的内容和步骤，将图像处理中的不同算法应用于三维目标识别。 3、论文给出了角点检测算法的性能评测标准和定量描述，研究了目标角点检测的两种经典算法（Plessey 算法和Susan 算法），引入hausdorff 距离理论进行角点匹配，取得了很好的匹配结果。 4、介绍了骨架的概念和不同提取方法，对细化的骨架提取方法进行优化并应用，使得到的骨架更具有单像素、连续、少毛刺的特点，能更好的反映出目标的形状特征，通过构建骨架树模型反映目标的拓扑结构，利用距离变换解决了骨架树中根节点的确定问题，提出了树描述符的概念，很好的降低了骨架树匹配的运算复杂度，并取得了不错的效果。