图形识别中物体骨架化及相关问题的研究

摘要

骨架是物体的一种描述方式，它广泛应用于道路探询、动画、有限元网格生成、路径规划和特征识别等领域。解决骨架自身固有的对噪声敏感问题，降低三维物体骨架化的时间消耗，方便进行图形的识别和快速检索，是本文主要目标和工作。本文以国家自然科学基金项目（No.60273099）——“基于广义条件骨架的三维图形识别新方法研究”为背景，研究了三维条件骨架的相似性度量及相关问题。论文首先总结了图形识别和骨架提取的相关研究，对典型的骨架化方法作了介绍和比较，并讨论了影响骨架识别的因素。接着介绍了一种基于距离场的离散域骨架新算法。提出一种种子生长骨架模型，该模型通过选择一个种子骨架点，依据离散域下的骨架点判定法则，深度搜索出其它骨架点；同时，离散曲线演化模型有效的抑制了冗余骨架支的产生，得到了符合人类视觉规律的多尺度骨架。然后，提出了一种针对简单多面体模型的连续域中轴变换算法。对多面体中轴点进行了分类，并揭示了不同类中轴点之间的几何关系。在此基础上，由偏移扫除方程计算多面体的特殊中轴点，再由特殊中轴点引出所有其它中轴的点、线和面。实验证明该算法复杂度低，结果精度高。接下来，讨论了离散域下最优滤波器理论模型，由此设计了一套完整的边缘检测算法，较好地实现了灰度图的多尺度边缘检测。这一部分实际上是离散曲线演化模型的预处理工作。接着，比较了曲线和Shock-graph的两种形状描述方式下匹配算法的性能区别，并对其原因进行了讨论。最后，对全文工作和今后研究重点进行了总结和说明。