基于Shape Context的物體識別.pdf

1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterObjectRecognitionBasedOnShapeConteXtByXiaoXingFengSupervisor：ProfQiXieComputerTechnologySchoolofInformationEngineeringZhengzhouUniversityMay2014摘要物體識別是計算機視覺領域中的一項基

2、礎研究。有效的物體識別算法在智能視頻監(jiān)控、圖像分析、目標識別、圖像檢索等應用領域都有很重要的作用。到目前為止，人們在物體識別技術方面已經取得很多可喜的成就，但是仍有很多難點需要解決。Context是近年來提出的一種描述能力比較強的形狀描述子。本文對ShapeContext(形狀上下文)算法進行了研究，描述了ShapeContext算法的基本思想和實現方法以及在物體識別中的識別和匹配方法；針對ShapeContext對輸入圖像的要求，討論

3、了一些基本的圖像預處理方法以及采用Canny算法的物體邊緣增強和提取方法。文中設計了一套以ShapeContext為核心的針對物體識別的圖像處理和識別的流程，采用這種流程，用VC開發(fā)和實現了一個實驗和驗證的軟件。在算法的實現和軟件的測試中，我們發(fā)現ShapeContext算法中的不足：(1)首先需要計算質心來確定提取特征點的個數，這個過程計算量大比較耗時；(2)提取出的輪廓特征點并不總是能很好地表示物體的形狀。本文主要針對這兩方面提出改

4、進的方法。主要處理過程是：對待識別物體圖像先進行二值化，并使用Canny邊緣檢測算法獲得邊緣，然后用輪廓跟蹤法得到外輪廓。根據得到物體外輪廓點的個數設置提取特征點時的距離，使提取到的特征點可以更好的表示出物體輪廓，并將特征點信息保存在文檔里，計算兩物體形狀特征點之間的距離時直接調用，不但比較節(jié)省時間，而且可以很好的表征兩物體形狀的相似程度。另外，本文使用TPS(薄板樣條)變換模型模擬了待測物體到數據庫中物體的形變，計算得到了最小彎曲能量