随着现代技术的发展,可以获取和利用的图像资源在急剧增加。利用图像分析和理解的理论方法快速检测和识别出图像中的目标,无论在工业应用还是军事应用中都有迫切的需求。 目标的表示和识别技术是图像分析和理解的核心环节,合适目标的表示是其重要的基础,不同的表示方法将导致不同的识别方法。目前已经有了不少目标表示方法,但也存在各自的不足。由于目标骨架具有层次化、多尺度、与原始目标拓扑一致和适应较大的变化等特点,因此基于骨架的目标表示和识别开始受到人们的关注。这篇论文旨在研究基于目标骨架表示的一些二维和三维目标表示和识别的基本理论和方法。 论文重点论述了基于骨架的目标模型化和匹配识别理论方法,具体涉及图像中目标骨架的检测、骨架结构基元的提取、骨架的图表示和匹配等。在系统地分析了骨架化算法的基础上,提出了通过非脊点下降过程直接作用于灰度图像的多尺度骨架化算法。在研究分析了骨架的基本构造后,提出了两个方法,一是通过逐层、迭代地分解过程获得表征骨架组成部分的结构基元方法,二是将骨架的基元形成了属性关系图或属性树表征目标的方法。为了进行匹配识别,提出了骨架的属性关系图和属性树之间相似性度量方法,分别采用了基于加权最优二分图匹配的方法和基于属性树伴随矩阵的最大加权基团的方法。论文还利用骨架这种柔性的目标表示,构建了基础的二维目标表示和识别框架。大量的实验表明了所提出理论方法的适应性。 论文在二维目标表述的基础上,进一步提出了一个新的三维目标建模途径。首先,在与视点无关的目标三维几何表示基础上,形成了反映目标在不同视点下的形态的二维视面集;其后,通过骨架的属性树表征视面和定义视面的相似性度量,建立了目标的视面模型;最后,采用层次聚类的思想将具有一致性的相邻视面合并为视区,建立三维目标的视区模型。实验结果表明了所提方法的可行性,在一定程度上解决了从二维图像重建目标三维结构的不适定问题。