幾何不變量特征提取算法研究及應用.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已經成為輔助或替代人類感知系統的重要工具，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。這些成果被廣泛應用于工業(yè)、農業(yè)、國防、醫(yī)學及天文等多個領域。仔細分析識別系統的組成就會發(fā)現，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，幾何不變量的相關研究仍面臨著諸多挑戰(zhàn)，比如在大量數據的情況下，如何設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，在已有的數據資源和研究工

3、作積累基礎上，對快速的求解幾何不變量算法和構造穩(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、質心位置以及寬度等屬性，結合仿射變換的形變不變性質，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切圓去除大多數與凸包無關的點，從而提升算法執(zhí)行的效率。并根據算法的特點，提出了兩個與算法有關的定理，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。實驗數據結果表明，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有的幾何不變量構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，并計算其質心坐標位置；再利用質心和偽質心構成的直線，對灰度圖像的區(qū)域應用劃分策略；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數據集及Coil-100數據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。
　　③針對海量人臉數據庫進行檢索時，大量的高維數據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構，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。在MUCT人臉數據庫及PICS的Aberdeen正面人臉數據庫上的實驗表明，人臉輪廓

7、特征可作為快速粗分類的依據，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的三維點。在多元標準正態(tài)分布、均勻分布、指數分布、極值分布、對數分布和Johnson分布上的三維實驗數據表明，提出的算法適用于海