轻度变形条件下的图像匹配方法研究

摘要

图像匹配是数字信号处理、模式识别、人工智能、机器学习等领域重要问题和研究热点，在图像检索、标志检测、机器人自主定位、飞行器视觉导航、场景解译等方面应用广泛，其基本任务是利用机器模拟实现人类视觉某些认知功能。本文主要针对轻度变形条件下的目标形状建模方法，形状特征提取与描述，基于优化搜索的形状匹配策略等图像匹配关键问题展开研究，论文研究成果和创新点主要包括：
　　（1）提出了一种基于生物视觉认知启发的目标形状建模方法。该方法依据HMAX仿生模型的视觉信息处理机制来实现目标形状建模过程，其稳健性好、适用范围广，符合人类视觉认知特性。
　　（2）提出了一种有效的形状分层视觉特征提取与描述方法。该方法采用多尺度空间分析与视觉上下文方法相结合来提取目标轮廓点、轮廓线段和轮廓区域三个逻辑层次特征，并结合视觉认知属性关系来稀疏表示目标形状，其在特征稳健性、特征复合性和计算性能等方面提升明显。
　　（3）提出了一种基于动态规划表的形状特征分层匹配策略。该方法通过全局动态规划方法和局部有向图迭代搜索相结合的分层匹配策略来获取目标形状特征集合之间最佳对应关系，多组对比试验表明，该方法稳健性好、计算效率高、匹配识别效果出众。

目录

声明

第一章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 论文的主要工作和创新点

第二章 轻度变形条件下的图像匹配若干问题

2.1 目标图像轻度变形模型

2.2 轻度变形条件下的图像特征建模

2.3 轻度变形条件下的形状特征提取与描述

2.4 轻度变形条件下的形状匹配策略

2.5 小结

第三章 基于生物视觉认知启发的目标形状建模

3.1 生物视觉认知基本原理

3.2 HMAX仿生模型

3.3 基于生物视觉特征的形状模型

3.4 小结

第四章 形状分层视觉特征提取与描述

4.1 引言

4.2 形状分层视觉特征提取

4.3 形状分层视觉特征描述

4.4 实验与分析

4.5 小结

第五章 基于动态规划的形状匹配策略

5.1 引言

5.2 形状分层视觉特征相似性度量

5.3 基于动态规划表的分层匹配策略

5.4 实验与分析

5.5 小结

第六章 总结与展望

6.1 论文总结

6.2 工作展望

致谢

参考文献

作者在学期间取得的学术成果