论文部分内容阅读
近半个世纪以来,形状匹配一直都是计算机视觉与模式识别领域的重要课题之一。在各种不同类型的形状匹配方法中,基于轮廓点空间结构特征的形状匹配方法表现出较好的效果并得到了普遍关注。如何结合形状描述符的自身特点,有效地改善形状匹配方法的精度和效率一直都是相关研究中的关键问题。本文以轮廓点空间结构特征为主要研究对象,尝试分别从形状特征提取、形状特征匹配和形状距离学习等不同环节入手,对形状匹配方法的相关内容展开研究。本文的研究工作主要包含以下几个方面:(1)针对形状上下文难以准确描述形状轮廓信息的问题,提出基于模糊形状上下文的形状匹配方法。虽然对数极坐标直方图能够兼顾形状轮廓的全局信息和局部信息,但是由于其仅能将采样点硬划分至不同的栅格中,因此可能导致对应形状描述符难以准确地反映轮廓采样点分布情况。为此,本文提出建立对数极坐标模糊直方图来精确描述轮廓采样点分布情况,进而生成一种新的形状描述符——模糊形状上下文。该描述符通过分析各采样点在不同模糊子集下对应的隶属度函数,能够准确地反映形状轮廓信息,从而得到更好的形状特征提取结果。在此基础上提出了基于局部约束的采样点匹配方法和基于点集分割的采样点匹配方法,二者均能够快速有效地解决轮廓采样点匹配问题。考虑到绝对框架下模糊形状上下文不具备旋转不变的特性,进一步设计循环移位匹配来解决该问题。仿真实验表明所提出方法具有良好的形状匹配结果。(2)为了提升逐对形状匹配方法的匹配精度,通过度量替换和形状距离学习对其进行改进,分别提出基于直方图推土机距离的形状上下文匹配方法和基于期望首达时间的形状距离学习方法。结合直方图自身结构特点,通过对推土机距离模型进行简化得到一种效率更高的交叉相似度——直方图推土机距离模型。由于顺序相似度不能很好反映形状描述符之间距离,在形状特征匹配步骤中引入直方图推土机距离来替换原有的度量标准。实验结果验证改进后模型具有更高的效率,且引入形状匹配方法当中能得到较好的结果。此外,为了避免标记传播算法存在的不平衡性问题,引入期望首达时间对逐对形状匹配方法对应得到的形状间距离进行更新。在通过距离矩阵构造离散时间马尔科夫链的基础上,结合质点在状态空间中完成状态转移的平均时间来分析形状间距离,进而能够更充分地挖掘形状样本空间流形信息。实验结果表明提出的形状距离学习方法能够有效提升形状识别和检索精度。(3)为了提升形状匹配方法的效率,提出基于角点模糊形状上下文的快速形状匹配方法,并将基于轮廓点空间结构特征的形状匹配方法应用于行为识别。以形状轮廓上较少数目的角点为参考生成模糊形状上下文,进而得到一种新的形状描述符——角点模糊形状上下文。该形状表示方法既能够较好地反映形状轮廓重要信息,同时采样点匹配所需时间也相对较少。进一步设计了与之对应的快速形状特征匹配方法,实验结果验证了提出的快速形状匹配方法展现出了更好的精度和效率。此外,考虑到视频图像的人物剪影中包含了丰富的形状信息,尝试通过分析剪影形状来进行行为识别。利用轮廓点空间结构特征对各帧中的剪影变化进行表示,选择基于极坐标模糊直方图形状匹配方法进行快速剪枝,进一步利用基于模糊形状上下文的形状匹配方法进行精确匹配。仿真实验结果表明,提出方法可以得到较好的行为识别精度。