复杂场景中基于分数阶微积分的局部形状匹配方法研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61462065
项目类别：
地区科学基金项目
资助金额：
46.0万
负责人：
张桂梅
依托单位：
南昌航空大学
学科分类：
F0605.模式识别与数据挖掘
结题年份：
2018
批准年份：
2014
项目状态：
已结题
起止时间：
2015-01-01 至2018-12-31

项目参与者：
陈阳泉；缪君；赵铁彪；陈彬彬；曹红洋；姚伟；徐继元；蔡报丰；孙晓旭；
关键词：
形状匹配局部特征分数阶微积分复杂场景

项目摘要

Shape match is a key issue in computer vision, but deformations caused by iamgeing geometry/partial occlusion/flexible movement and open contour caused by segmentation fault are the difficult problems in shape match. Extraceting local featue and matching partial shape is an effective method to solve the difficulty. The project aims to investigate the methods for partial shape match based on fractional calculus in clutter scene by theory and experiments analysis. Several aspects of the research are as follows: the method to detect edge based on fractional calculus. The mehtod to extract local feature. On the basis of image preprocessing results, combined with local feature, we try to perform partial shape match, including partial occlusion/open countor/flexible movement shap match and recognition.The research of this project can provide more direct basis in various fields, such as robot navigating automatically, detecting object automatically, analyzing medical, environmental monitoring and deep space exploration and so on. So our research has important science significance. The research of this project has also been found wide applications in object recognintion、image retrieval、medical image analysis、robot navigation and sensor network. Therefore this project not only has important science significance, but also has wide application fields.

形状匹配是计算机视觉的核心问题之一，但由于投影变换带来的形状差异，物体的相互遮挡、运动物体的柔性变化及分割错误等造成目标轮廓不封闭等都是形状匹配面临的主要困难，而提取局部特征，进行局部形状匹配是解决上述问题的关键。本项目拟通过理论分析和实验分析，研究复杂场景中局部形状匹配的理论和方法。重点研究基于分数阶微积分的图像边缘检测方法；研究仿射或透视变换下局部遮挡目标、轮廓为不封闭开曲线目标、柔性变化目标的形状匹配方法。本项目拟提出的理论和方法对于自动导航、自动检测、医学诊断、环境监测和深空探测等都能提供比较直观的依据，具有重要的科学意义；本项目的研究成果在目标识别、图像检索、医学图像分析、机器人导航、传感器网络等众多领域有重要的实用价值和广阔的发展前景；该项目的研究具有重要的科学意义和广泛的应用前景。

结项摘要

形状匹配是计算机视觉的核心问题之一，但由于投影变换带来的形状差异、物体的相互遮挡、运动物体的柔性变化及分割错误、复杂场景中由于低对比度造成的灰度均匀、图像中存在弱边缘和弱纹理等，这些因素都是制约形状匹配的瓶颈。本项目通过结合自适应分数阶微积分理论和局部形状特征，研究了复杂场景下局部形状匹配的若干关键问题。项目首先针对图像中的弱纹理和弱边缘现象，根据图像局部特征构建了自适应分数阶阶次的数学模型，建立了分数阶阶次与图像局部信息之间的关系，从而可以自动计算图像中各像素点的最佳阶次，并将该模型用于Tiansi算子中，对灰度均匀、弱纹理和弱边缘图像进行了有效的增强。提出了自适应投影算法的分数阶去噪模型、基于自适应残差图像的分数阶全变分去噪模型，在图像去噪的同时较好地保留了图像中的弱边缘和纹理细节信息。提出了将分数阶微积分应用到Canny算子中，更好地提取了图像中的纹理细节和弱边缘，同时对图像噪声有一定的抑制作用；提出了基于自适应分数阶微积分改进的活动轮廓模型用于图像分割的新方法；研究了基于分数阶微积分和SIFT特征的图像匹配方法，解决了灰度均匀、弱边缘和弱纹理的图像匹配；研究了基于奇异值分解的局部形状匹配方法，基于小波变换的局部形状匹配算法，在曲线被部分遮挡或缺损的情况下仍然进行部分匹配，达到了较好的效果；研究了基于骨架和统计直方图的柔性变化目标的局部形状匹配方法；提出了灰度均匀、存在弱边缘和弱纹理图像的配准方法。项目将形状匹配方法应用到医学图像的非刚性配准中，实现了多模态，多尺度的医学图像非刚性配准，从而为疾病的诊断和治疗提供了一定的理论基础和技术支撑。