幾何不變量特征提取算法研究及應(yīng)用.pdf

1、隨著人類認識、改造自然能力的不斷增強，提取事物的特征并加以識別已成為人類最基本的活動。計算機的誕生和信息科學的發(fā)展，使得計算機視覺識別系統(tǒng)已經(jīng)成為輔助或替代人類感知系統(tǒng)的重要工具，開始參與到人類的生活當中，讓人們擺脫了部分重復性強、勞動強度大的繁重工作，并且取得了豐碩的成果。這些成果被廣泛應(yīng)用于工業(yè)、農(nóng)業(yè)、國防、醫(yī)學及天文等多個領(lǐng)域。仔細分析識別系統(tǒng)的組成就會發(fā)現(xiàn)，特征提取是分類識別的最重要的核心課題。面對紛繁復雜的事物和現(xiàn)象，為了去偽

2、存真找出其本來面目，提取事物的幾何不變量成為特征提取中的研究重點之一。利用幾何不變量可以來辨別不同事物，也能夠區(qū)分同一事物的不同情況下的形態(tài)。然而，幾何不變量的相關(guān)研究仍面臨著諸多挑戰(zhàn)，比如在大量數(shù)據(jù)的情況下，如何設(shè)計出時間復雜度較低的計算幾何不變量的算法，以及在復雜形變下如何構(gòu)造出穩(wěn)定的幾何不變量等。
　　本文以圖像檢索、三維重建、生物特征識別、視覺檢測等應(yīng)用需求為背景，圍繞當前幾何不變量研究存在的問題，在已有的數(shù)據(jù)資源和研究工

3、作積累基礎(chǔ)上，對快速的求解幾何不變量算法和構(gòu)造穩(wěn)定的幾何不變量算法做了深入研究，重點研究區(qū)分能力好、計算速度快、適用范圍廣、穩(wěn)定實用的幾何不變量特征提取算法，主要內(nèi)容和貢獻如下：
　?、籴槍Ξ斍按笠?guī)模二維點集的凸包求解存在計算時間長的問題，提出了一種基于仿射變換的二維凸包不變量求解算法。凸包是特征提取中的一個幾何不變量。該算法綜合考慮了常用二維分布的密度、質(zhì)心位置以及寬度等屬性，結(jié)合仿射變換的形變不變性質(zhì)，通過模擬視覺注意力機制，

4、對點集的幾何形狀分布進行初始估計，進而通過變換的方法使用凸多邊形的內(nèi)切圓去除大多數(shù)與凸包無關(guān)的點，從而提升算法執(zhí)行的效率。并根據(jù)算法的特點，提出了兩個與算法有關(guān)的定理，使用該定理可求解一個非約束優(yōu)化問題，而無需借助耗時的迭代過程。實驗數(shù)據(jù)結(jié)果表明，提出的算法能以較低的時間復雜度求解大規(guī)模二維點集的凸包。
　?、卺槍ΜF(xiàn)有的幾何不變量構(gòu)造方法在提取特征時，往往需要多次迭代或匹配，求解不變量容易造成誤差增大和效率不高的問題，提出了一個基

5、于區(qū)域面積比的幾何不變量構(gòu)造算法。首先對物體的二值化后的灰度圖像求取其凸包，并計算其質(zhì)心坐標位置；再利用質(zhì)心和偽質(zhì)心構(gòu)成的直線，對灰度圖像的區(qū)域應(yīng)用劃分策略；最終獲得基于區(qū)域面積比的仿射不變量矢量表示形式。在哥倫比亞大學的fish數(shù)據(jù)集及Coil-100數(shù)據(jù)集上進行的實驗表明，提出的算法得到的不變量特征滿足仿射不變性，且不需要迭代計算不變量，有效地減少了累積誤差對算法的影響。同時，物體圖像受到一定范圍內(nèi)的干擾(被擦除、涂抹及遮擋)情況下

6、，提取出的不變量特征具有良好的區(qū)分辨別能力。
　?、坩槍Ａ咳四様?shù)據(jù)庫進行檢索時，大量的高維數(shù)據(jù)會嚴重影響檢索的效率的問題，提出了利用人臉輪廓的幾何不變量進行人臉粗分類的算法。該算法通過人臉輪廓的幾何不變量特征，在預處理階段，對人臉圖像庫建立多級層次索引結(jié)構(gòu)，將具有相似輪廓特征的人臉劃分到同一候選子類庫中。該算法將為后續(xù)的細分類和匹配識別打下基礎(chǔ)。在MUCT人臉數(shù)據(jù)庫及PICS的Aberdeen正面人臉數(shù)據(jù)庫上的實驗表明，人臉輪廓

7、特征可作為快速粗分類的依據(jù)，在預處理階段能有效地進行人臉輪廓特征定位和臉型粗分類。
　?、転榱丝焖俚奶崛∪S凸包幾何特征，滿足三維空間下計算機仿真、大氣建模等技術(shù)的發(fā)展需求，提出了一種基于橢球的三維凸包不變量求解算法。主要思想是在算法的初始步驟中，通過內(nèi)切橢球代替四面體判別的方式，盡可能多的去除與凸包無關(guān)的三維點。在多元標準正態(tài)分布、均勻分布、指數(shù)分布、極值分布、對數(shù)分布和Johnson分布上的三維實驗數(shù)據(jù)表明，提出的算法適用于海