一种基于形心距离序列的频域的曲线描述和匹配方法

摘要

曲线是图像中物体的重要特征，它蕴含着图像的本质结构，为我们分辨各种目标提供了最直接的信息;因此，曲线的描述在目标识别中起到非常大的作用。如何来描述曲线是图像识别的重要环节，描述方法的优劣会直接影响到曲线编码的繁简及其识别的效果。一种比较理想的曲线描述方法应具有平移、旋转和拉伸等的仿射不变性，且对于边界小的扰动不敏感。在曲线描述满足仿射不变性的基础上，可进一步对两曲线进行匹配，以衡量曲线间的相似程度。到目前为止，已出现了很多种曲线的描述和匹配方法，可以分为基于时域的曲线描述和匹配以及基于频域的描述和匹配方法。
　　与传统的单一类别的描述和匹配方法不同，本文提出了时域和频域结合的方法来对曲线进行描述匹配，在时域方面，本文应用曲线整体的全局特性和局部特性来对曲线进行粗匹配和微匹配，在频域方面提出归一化基于形心距离序列的傅立叶变换对曲线进行细致描述以及最终匹配。传统方法对于曲线起始点的选取计算量较为复杂，尤其选取闭合曲线的起始点更为麻烦，本文提出了基于形心最大距离的起始点选取方法，减少了计算量，并且不需要对闭合曲线进行分割。在对两条曲线进行匹配的时候，本文通过粗匹配和微匹配直接就可以判定出差异很大曲线之间不相似，很大程度上提高了曲线匹配的效率。基于形心距离序列傅里叶变换的置信度匹配方法能对两条曲线相似度进行度量并能很好的判断两条曲线是否相似，即使是这两条曲线不经过粗匹配和微匹配的过滤。
　　本文通过对mpeg7_ce许多图片进行了实验，结果证明，本文提出的粗匹配和微匹配能很好的起到滤除做用，基于归一化形心距离序列的频域描述和匹配方法能很好的对曲线进行描述以及准确判断两条曲线是否相似。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景和意义

1．2 研究现状

1．3 论文结构

第二章 几种曲线的描述和匹配方法

2．1 时域的几种曲线的描述和匹配方法

2．1．1 基于二叉树的描述和匹配方法

2．1．2 基于质心距离增量矩阵的曲线描述和匹配

2．2 频域的描述和匹配方法

2．2．1 傅立叶描述子

2．2．2 优化的傅立叶描述子

第三章 基于形心距离序列的曲线傅立叶描述和相似度量

3．1 基于形心的起始点确定

3．2 曲线的描述

3．3 曲线的相似度量

3．4 本章小结

第四章 试验结果和与分析

4．1 开曲线的实验和结果

4．2 闭合曲线的实验和结果

4．3 结果分析

第五章 总结与展望

参考文献

致谢