將形狀分割成一組有意義的部分是形狀分析的基本問題。一個研究熱點是如何使得形狀分割的結果更加符合人類的視覺系統(tǒng)。目前,研究人員致力于設計穩(wěn)定性和通用性更好的形狀分割算法,以適合多種多樣的自然或人造形狀�；谙嚓P研究工作,本文提出了一種新型的二維形狀的分割算法,基本思路是對于給定的形狀數據,首先提取一組形狀關鍵點,然后生成備選的分割集,對形狀進行由粗到細的漸近分解。在提取關鍵點的方法中,基于形狀上電荷分布的關鍵點有諸多良好的性質,比如高穩(wěn)定性和魯棒性好等。然而,對于形狀分割任務來說,不少關鍵點的性能還不理想,尤其是在相對平滑的區(qū)域,例如形狀的尾巴和腿。鑒于此,本文提出了一種給定約束下的電荷分布改進方案。給定一些約束點,通過降低約束點處的電勢值,以此來改進電荷分布。同時,以一個各向異性的熱擴散方式松弛這些約束,使得電荷的分布更符合人類視覺。由此,基于該電荷分布提取的關鍵點更利于形狀分割任務。提取形狀的關鍵點后,本文提出了一個形狀的漸近分割算法,它是以粗糙到細粒度的模式實現。首先,通過連接輪廓上的關鍵點產生一個分割線候選集,按分割線的關鍵點是否相鄰將其分為兩類。然后,定義一些準則對相鄰關鍵點之間的分割線進行判斷。對形狀進行修剪,并對其余分割線進行檢測以完成更加細粒度的分割。論文在MPEG-7形狀數據集上進行了實驗,表明本文提出的關鍵點提取算法更為穩(wěn)定,同時形狀分割算法可以產生比一些現有方法更符合人類視覺系統(tǒng)的分割結果。
【學位單位】：大連海事大學
【學位級別】：碩士
【學位年份】：2017
【中圖分類】：TP391.41
【部分圖文】：

現實生活中的物體輪廓或邊界結構通常都是不規(guī)則的［１５１不管是人造的物體??還是自然界中存在的物體，形狀會有很多變形和復雜的分支結構，其數量也各不相??同，如圖１．１所示。在對形狀進行分割時，這些結構是需要攻克的難點。而且如此??復雜的結構給形狀檢索、形狀識別、形狀分類和形狀匹配等在二維形狀上進行的操??作帶來很多困難。例如，它會導致很大的運算量，增大計算代價，降低檢索準確率，??－１?－??

ａｎｄ?ｓｕｂ－ｌｉｎｅａｒ?ｅｘｐｏｎｅｎｔ?ｍ＝０．２．??第二個缺點是公式２．５中使用的是距離的逆，衰減速度太快，使得遠距離電荷??之間的排斥力太小，進而更多的電荷積聚在了相對平滑的區(qū)域。如圖２．１中的第一??列，雖然在黑色方框中的是相對平滑的區(qū)域，但是積聚了大量的電荷。因為這部分??與形狀的其它部分之間的距離非常遠，所以它們之間的排斥力很小，進而積聚了很??多的電荷。Ｌｉ等人［３Ｇ】在公式２．５中引入了子線性指數ｍ，它可以減弱這種衰減速??度，在一定程度上解決了這個問題。如圖２．１的最后一列，當子線性指數ｗ?＝?０．２??－１０－??

是通過公式２．６計算得到的，所使用的是兩點之間的內部距離。內部距離對關??節(jié)是不敏感的。因此，五巧對受關節(jié)影響很小，并且在捕捉形狀結構特征上??更有效。比如：圖２．２（ｂ）是圖２．２（ａ）的一個關節(jié)變化模式，從圖２．２的第一行可以??看出兩個剪刀形狀的ＥＣＤＳ描述符是近似相同的，說明當對剪刀做一個關節(jié)變形??時，ＥＣＤＳ描述符也是穩(wěn)定的。圖２．２的第二行表示通過內部距離計算得到的ＥＣＤＳ??描述符比通過歐氏距離計算得到的ＥＣＤＳ描述符更具有描述能力。??平滑與守恒：￡ＣＺ泌⑷是來自積分函數（公式２．２），并通過一個線性方程組的??近似解得到（公式２．４）。因此，在形狀Ｓ上是連續(xù)分布的�！秱�電荷己經??放在了形狀上，電荷是不能被創(chuàng)造或消失的，所以ＥＣＤＳ的總和就等于這意??味著無論形狀和它相應的電荷分布是什么樣的，都要保持電荷守恒。??？?１１－??
【參考文獻】

相關期刊論文 前2條

1 王民;趙瑞麗;張立材;王可;;基于形狀分解的書法字骨架提取新方法[J];信息通信;2016年06期

2 王琴竹;唐瑩;;一種基于二值圖像的形狀分割算法研究[J];微型機與應用;2010年21期

相關博士學位論文 前2條

1 羅磊;形狀分解和基于機器學習的圖像檢索技術研究[D];國防科學技術大學;2013年

2 劉海容;形狀的曲率表示與分解[D];華中科技大學;2009年

相關碩士學位論文 前1條

1 徐慧;基于數學形態(tài)學的層次性形狀分解[D];華中科技大學;2011年

本文編號：2890177