论文部分内容阅读
轮廓作为一种高级别的视觉特征,对目标具有稳定的描述特性,其广泛应用于人工智能、高端装备、卫星遥感、医学影像等领域,一直是模式识别的热点课题。本文围绕轮廓特征的提取、特征描述子的生成、相似度度量3个方面对其进行了研究,成功解决了TFDS列车把手检测、集尘器定位、FPC补强片定位等工程问题。本文的主要工作具体如下:对图像的预处理与轮廓提取算法进行了分析,结合特定匹配对象(塞门把手、FPC补强片与集尘器)进行了大量对比实验。最终确立了每个匹配对象的最佳预处理方案。对轮廓匹配算法的特征定义、相似性度量、匹配策略进行了深入研究,讨论了多种度量距离的适应性分析。并分析了轮廓几何基元描述子的构造,分别论述了轮廓外接矩形、外接圆、凸包、多边形等构造原理。结合几何基元的相关技术,成功解决了FPC补强片的定位问题。提出了一种基于Hu轮廓不变矩与高斯金字塔模型的变步长匹配方法。该方法通过高斯金字塔模型匹配位置层映射来定位原始图像的最佳匹配位置,同时采用终止阈值抑制,提前结束相似度较远的匹配,并制定了基于权重的横向匹配的变步长匹配搜寻路径,最终锁定把手所在区域,匹配速度大大提高,取得了良好的匹配效果。提出了一种基于几何特征的形状匹配算法,解决了列车集尘器定位不准确的问题。该算法首先对轮廓点进行采样,基于极半径、局部曲率刚性算法确定关键点的初始位置及点集的映射关系,然后以形心为基准,生成以角度和尺度为几何特征的双重描述子,并对其作标准量化处理,最后使用改进的曼哈顿距离计算描述子的相似性。实验结果表明:该形状匹配算法几乎不受伸缩、旋转、平移等几何变换的影响,具有一定的适应性和鲁棒性。对Hu轮廓不变矩与几何双重描述子的匹配算法进行了分析与对比,归纳出了其在匹配效果和时间复杂度方面的一般性结论。实验表明:相对其他常见的匹配算法其具有显著的优势,为轮廓匹配算法提供了一种全新的思路。