基于形状轮廓特征的金字塔匹配算法

形状检索在计算机视觉中一直是一个具有挑战性的问题，其中对形状特征直方图距离的测量是评价形状检索算法优劣的一个重要因素。针对轮廓特征的直方图距离测量，算法引进一种在图像分类领域中应用广泛的金字塔匹配算法。不同于其他传统的直方图度量算法，金字塔匹配算法将形状的轮廓分成若干块，给每一块分配相应的权重，然后分别统计块中的特征，再计算特征的加权和进行相似度的测量。通过在不同形状数据集下实验，该方法能够有效地进行形状匹配和检索，且能得到较好的形状匹配精度。     

基于Zernike形状矩的地图匹配算法

地图匹配算法的有效性和可靠性对于智能交通系统而言是非常重要的,而目前存在的地图匹配算法在一些复杂环境下（如道路交叉口）仍然不能提供合理的输出。采用D-S证据理论融合当前车辆位置信息和方向信息可以有效地扩大待匹配道路之间的差异,但在复杂路网下信息量的不足会降低其匹配精度。因此,为了提高道路网络中的地图匹配精度,提出了基于Zernike形状矩的地图匹配算法。新算法引入Zernike矩描述轨迹曲线的形状,进一步修正了错误结果。通过仿真和实验表明,新算法在复杂环境下具有较强的有效性和可靠性。     

结合轮廓与形状特征的仿射形状匹配

目的 针对仿射变换下形状匹配中存在的描述子对形状的描述能力不足,以及描述子计算耗时大的问题,改进基于所有图像点投影的方法,提出一种利用轮廓计算投影面积的仿射形状匹配算法。方法 该算法分为粗匹配和精匹配两个阶段。粗匹配阶段以CSS角点作为备选特征点,首先统计轮廓投影面积分布作为特征点描述子;然后利用动态规划蚁群算法匹配两幅图片公共特征点序列,并将匹配好的特征点序列记为对应的新特征点;最后采用该新特征点划分目标曲线,得到对应的轮廓曲线;这一阶段的目的是对形状的筛选以及寻找一致的轮廓特征点,同时完成轮廓曲线的划分。精匹配阶段,采用小波仿射不变描述子,对粗匹配阶段匹配代价最小的5%的目标进行对应曲线匹配,得到精匹配阶段的匹配代价,从而实现对仿射目标的识别;精匹配弥补了描述子对轮廓细节描述不足的问题。结果 算法的平均检索速度比传统基于形状投影分布描述子提高44.3%,在MPEG-7图像库上的检索效果为98.65%,在MPEG-7仿射图像库上的查准率与查全率综合评价指标比传统的基于形状投影分布描述子高3.1%,比形状上下文高25%。结论 本文算法匹配效果好,效率高,抗噪性强,解决了仿射描述子计算速度慢、描述能力不足的问题,能有效地应用于仿射形状匹配与检索领域。     

采用树表示的全局最优形状匹配算法

提出一种全局优化算法，用于相似不变地在一场景中匹配一个形状。该算法采用支撑树来表示形状，匹配问题被转化成在目标点集中定位这棵树的问题。通过最小化边的空间变换同一个全局空间变换之间的差别，树的每条边的空间变换被强制是一致的。目标函数归结为一个关于边匹配变量的凹二次函数。该函数具有低秩Hessian矩阵，可以通过分支定界法快速地解出。还提出一种新颖的求下界的方案，它可以通过动态规划高效地解出。实验结果表明，所提算法相比主流算法有更好的鲁棒性，特别对于两点集只有部分重叠的情形。     

基于模糊形状上下文特征的形状识别算法

利用形状上下文特征进行形状匹配的过程中,各采样点被直接二值划分至不同的直方图栅格,致使特征表达不精确,进而导致匹配结果存在偏差.本文在对数极坐标系中引入模糊隶属度函数,利用采样点分布的模糊划分结果建立直方图,生成模糊形状上下文特征,从而更精确地描述形状信息.在极坐标系下对采样点集合进行分割,提出分割匹配的方法,减少不必要的特征匹配次数.在此基础上,利用循环移位匹配方法解决形状在不同角度姿态下利用形状上下文特征匹配的问题.通过对不同数据进行仿真分析,证明本文所提出的方法能有效实现形状识别和检索.     

基于H-EMD 的形状上下文特征形状匹配方法

为了快速有效利用推土机距离(EMD)模型计算直方图间的交叉相似度,提出一种基于直方图的EMD(H-EMD)模型.将原始模型对应的线性规划问题中变量数目进行约减,降低了直方图相似度计算的复杂度.利用H-EMD模型计算形状上下文特征间的相似度,进而对基于形状上下文形状匹配方法进行改进.通过对不同的数据仿真结果进行比较,H-EMD模型在匹配时间上更具优势,同时,改进的形状匹配方法能有效实现形状识别和检索.     

球面调和描述子在图像形状匹配中的应用

球面调和分析是球面信号分析的重要工具, 本文采用球面调和描述子对图像进行形状匹配. 首先把平面图像映射到球面上, 然后计算球面图像的球面调和描述子, 最后通过球面调和描述子得到平面图像的相似性. 实验结果表明, 球面调和描述子可以较好地匹配图像的形状相似性, 并且具有旋转和比例不变性.     

离散形状的特征区域匹配识别

本文用形心到外轮廓的距离序列表示形状,从而将二维的形状分析问题转化成较简单的一维波形曲线的分析问题,对于这种波形曲线的识别,提出了一种特征区域的局部匹配识别算法.实验证明,本文方法具有较高的识别率,且该算法是平移、旋转和比例变化不变的.     

一种基于分段匹配的字符串匹配算法

针对已有算法对文本和模式的相关性依赖较大,提出一种基于分段的字符串匹配算法——SM。该算法利用特殊字符将文本先分段再匹配,且匹配过程对模式内容和长度不敏感。通过将SM算法与经典算法进行分析和实验对比,证明SM算法性能稳定,特别是在多模式字符串匹配情况下,SM算法具有比Wu-Manber算法更快的速度和更小的空间消耗。     

轮廓形状匹配的形状函数小波特征方法

利用形心点和Aggarwal的形殊点,定义了轮廓形状的描述函数和起始点,并运用描述函数的Daubechies周期小波系数特征,讨论了闭合轮廓曲线的整体匹配和局部匹配问题.为适应快速识别目标和精确辩识物体的应用需要,提供了这类匹配方法的简易模型和精确模型.实验结果表明这类方法具有良好的稳定性和可靠性,并且小波的快速算法保证了这类方法实时处理的能力.     

用于形状识别的目标轮廓无序点集描述与匹配

将目标形状的轮廓看成一个无序的点集,从中抽取形状特征,用于快速而有效的目标识别是形状分析任务中的挑战性问题.针对该问题,提出了一种基于复杂网络模型的形状描述和识别方法.该方法提出用一种自组织的网络动态演化模型构成一个分层的描述框架,在网络动态演化的每一个时刻,对网络分别进行局部测量和全局测量,抽取网络的无权特征和加权特征.在形状匹配阶段,用获得的局部描述子和全局描述子分别进行局部匹配（基于Hausdorff距离）和全局匹配（基于L₁距离）,组合两种匹配的距离值构成对形状的差异度度量.用标准的测试集对所提出的方法进行性能测试,实验结果表明,所提出的算法能够快速而又鲁棒地完成较高精度的形状识别任务.     

基于改进典型形状上下文特征的形状识别方法

针对形状上下文特征难以解决大规模样本的形状识别问题,提出一种利用角点典型形状上下文特征进行快速形状识别的方法.该方法仅以少数角点作为代表点生成直方图,对目标形状关键特征进行描述,通过减少匹配的特征数目降低了采样点匹配时间;在此基础上提出了局部约束匹配的方法,能够快速实现形状匹配并解决特征旋转不变性的问题,最终通过结合快速剪枝和精确匹配完成形状的识别.对形状数据进行仿真实验的结果证明,文中方法能够快速、有效地实现大规模数据的形状识别和检索.     

形状匹配综述

本文对形状匹配的方法进行了回顾.介绍了一些形状表示方法,其中主要是形状简化的方法.形状匹配的方法可以分为基于各种变换不变量的形状匹配方法和基于局部特征的形状匹配方法,并根据这一分类介绍了很多有代表性的匹配方法.     

一种新的几何特征形状描述子

通过对平移旋转和伸缩变换下的不变量进行研究,证明了形状的长轴端点和重心是该变换下的不变量,提出了长轴两端点与重心所成的夹角这一几何特征的形状描述子,该形状描述子具有平移旋转和伸缩变换不变性,理论分析和实验结果表明该描述子简单高效,具有较好的形状匹配结果。     

基于形状上下文的人脸匹配算法

提出一种基于形状上下文的人脸形状匹配算法。在形状匹配中,将2个目标进行相似度比较,得到2幅图的对数极坐标直方图的Cost值,计算相似度是否达到预设的阈值来判定其人脸是否匹配。实验结果表明,该算法在二维目标的不变性中,具有准确的匹配效果。     

基于轮廓矢量化的形状匹配快速算法

针对现有形状匹配算法匹配速度慢、可靠性差的问题,提出了一种基于轮廓矢量化的形状匹配算法。将轮廓曲线点集离散化,使用多组向量对轮廓线性进行逼近。匹配时,结合线段在几何中的匹配方法,通过加权求和,计算源图像与目标图像中每组对应向量的相似度,将它们的平均值作为匹配结果。以焊盘表面轮廓为实验对象,使用所提出的算法进行匹配,结果表明,通过正确选取向量组数能有效避免匹配精度所受的影响,算法对不同类型的焊盘区分性较强,且匹配速度能满足实际应用的需要。     

基于网格对应的双约束特征点匹配算法

常用的特征点匹配算法通常设置严苛的阈值以剔除错误匹配,但这样也会导致过多的正确匹配被删除。针对这一问题,提出了一种采用双约束的特征点匹配方法。首先,在局部上统计特征点匹配数量,运用网格对应的方法过滤部分错误匹配;然后,在全局上运用RANSAC方法计算基础矩阵,通过极线约束对匹配进行再一次筛选。实验表明,相比于传统的匹配算法,该算法能在不增加算法运行时间的前提下,获得更高数量和更高质量的匹配集合。     

场景无关约束下的特征匹配算法

鉴于对极约束是立体图像中完全不依赖于场景的重要几何约束，因此在特征匹配中起着很重要的作用，而且由于同形映射描述了平面场景的立体图像之间的对应关系，故大量文献中利用它对平面场景的立体图像对进行特征匹配。为了提高立体图像匹配精度和速度，提出了一种改进的场景无关约束下的特征匹配算法，该算法针对用对极约束和同形映射来进行曲面场景匹配的过程中同形估计容易出现降阶的情况，通过引入区域面积检测法来避免降阶情况的发生，以改善匹配结果；同时，由于在同形矩阵估计中，通过加入基础矩阵和同形矩阵本质上的约束关系，可使得原本独立的同形约束和对极约柬关系很好地融入到匹配的整个过程中，从而快速有效地抑制了错误匹配的发生。对真实图像的实验分析证明，该改进算法具有迭代次数少、速度更快和匹配精度高的良好性能。     

基于特征点的形状匹配技术及其算法实现

为了减少图像处理中特征匹配所需的时间和提高匹配的准确性,研究了以特征点组成形状特征且以此形状特征在被搜索的ROI区域内进行特征匹配的方法.从影响匹配精度和速度两个方面着手,利用双阈值法解决特征提取对噪声的敏感性,引入旋转和比例缩放系列模板解决模板与检测区域之间可能存在的一定角度旋转和大小比例不一致等问题.在低分辨率模板和被搜索区域进行特征粗定位,在高分辨率模板和被搜索区域上用粗定位的结果进行快速匹配和定位.