一种快速的复杂多边形匹配算法

提出了一种能够快速进行复杂形状多边形匹配的算法，该算法基于正切空间表示，先对复杂多边形进行离散曲线演化，再将得到的简化多边形分为一系列最大凸/凹弧线，并选择每段最大凸弧线的起点作为匹配的起始点进行匹配。实验结果证明该算法不但能够对复杂多边形快速而精确的匹配，而且具有不受噪声影响的优点。

基于截线法的快速骨架提取算法

提出了一种快速的骨架提取算法.该方法首先在轮廓离散曲线演化的基础上,根据显著凸顶点的类型将轮廓多边形进行分块,得到一个主分支轮廓和多个水平分支轮廓;然后分别利用水平截线法和垂直截线法提取骨架的主分支和水平分支;最后将水平分支拼接在主分支上,得到完整的骨架.实验结果表明,该骨架提取算法可以得到连通的骨架,并在Kimia数据集上取得了较好的效果.此外,算法在自然图像上的效果也很好,尤其适用于视频中的行人骨架提取.与经典骨架提取算法相比,该算法的时间复杂度较低,可以满足实时处理的要求.

一种复杂矿体相邻断面的匹配算法

矿床三维可视化建模往往需要将相邻断面矿体线相连,形成三维棱柱体,来表现矿体形态.研究了相邻断面矿体线连接匹配的算法,首先,进行断面多边形的匹配对应,解决谁与谁相连的问题;其次,进行多边形的特征顶点粗匹配;最后,用这些特征点将原始多边形截成多段,找到上下各段的匹配关系,通过三角化形成矿体表面模型.通过实际矿山的验证,本算法能够对复杂矿体进行快速、精确的匹配,不受矿岩界线多边形大小、旋转和变换的影响.

基于轮廓分割的形状匹配新方法

提出了基于轮廓分割的形状描述方法,用来进行形状匹配。首先,使用离散曲线演化将形状轮廓简化成具有N个顶点的多边形,并通过去除其中的凹点得到多边形凸点的集合;然后,对由凸点形成的轮廓片段提取角度和曲率特征,得到形状描述子;最后通过匈牙利算法进行轮廓片段之间的距离矩阵的最小代价和计算,从而得到两个形状之间的相似度。基于MPEG-7图像库上的实验证明了本文方法能很好地反映形状的特征,具有较好的匹配效果。

基于改进离散曲线演化模型的牙齿三维特征点提取方法研究

在牙种植技术中,牙齿特征点的有效提取对后续的三维配准和重建具有重要的意义,现有方法的计算效率比较低;论文改进了离散曲线演化算法,采用曲线特征因子量描述牙齿CT各断层图像边缘曲线的复杂性,并根据曲线特征因子量自适应确定不同层间图像边缘曲线特征点提取的数目,以降低数据存储的冗余量,提高特征点的提取效率;用改进的离散曲线演化算法对牙齿不同层的临床CT图像提取特征点,并将实验结果与现有离散曲线演化算法的结果进行比较。结果表明,改进方法在提取每层CT图像特征点所需时间约为原算法的50%,同时提取的特征点数约为原算法的80%。将改进方法提取的特征点按不同比率进行三次样条曲线插值并进行后期重建,其重建效果能很好地反映牙齿的真实结构。因此,改进方法的计算效率远高于离散曲线演化算法,在牙齿种植领域中具有临床应用前景。

改进离散曲线演化的形状匹配算法

为了在形状匹配的过程中提高形状特征对边界噪声和图像变形的鲁棒性,同时兼顾形状匹配算法的检索精度和运算效率,提出一种基于离散曲线演化的形状匹配算法.首先利用改进的离散曲线演化算法对形状轮廓进行特征提取,获得具有重要视觉部件的轮廓;然后计算该轮廓的形状上下文特征描述符;最后利用动态规划算法计算形状上下文特征描述符的相似度.通过在MPEG-7,Kimia以及Swedish Leaf形状数据库上的实验结果表明,该算法对变形目标具有良好的鲁棒性,且提高了运算效率和匹配精度.此外,改进的离散曲线演化算法可与不同形状描述子融合形成新的形状匹配算法.

离散轮廓点集法提取超声图像前列腺边缘

提出一种基于离散轮廓点集的超声图像前列腺边缘提取方法,将经直肠超声图像中的腺体准确分割出来.该方法根据前列腺的轮廓特征对候选轮廓点进行多级筛选,再除去由于各种干扰产生的非边缘点,得到位于实际边缘的离散轮廓点集,由此确定粗糙的腺体边缘.随后利用一种快速水平集的曲线演化方法对初始边缘进行小范围调整,使其更接近实际的腺体轮廓.对临床应用中的经直肠超声图像进行边缘提取实验,结果表明该方法能克服腺体外部和内部区域灰度不均一以及边缘模糊等问题,提取的前列腺边缘位置准确,轮廓完整.

视觉显著性特征约束下的骨架生长算法

骨架特征在图像处理和计算机图形学等领域有着广泛的应用,而常规的骨架提取算法易受到噪声和物体自身变化的影响,使得提取的骨架难以进行后续的应用。本文提出联合离散曲线演化和弯曲度比率这两种视觉显著性特征约束下的骨架生长算法。在骨架生长过程中通过对判为结点的骨架点的邻域骨架点进行进一步的弯曲度比率约束,有效抑制了离散曲线演化约束骨架提取算法对于弯曲度较大的部位所产生的无法避免的冗余枝。通过调节保留的离散曲线演化点数以及弯曲度比率阈值,可获得多尺度的骨架。实验证明,在较大非刚体形变和轮廓噪声等干扰下,本文提出的算法仍能有效的抑制冗余骨架枝的产生,获得的骨架能够较好的表示图形中视觉重要部分。

东巴象形文字特征曲线简化算法研究

东巴文作为一种原始的图画象形文字,在检索和识别方面的研究较多,且从不同角度应用各类算法进行了实现,但是在文字特征提取和简化方面的研究却很少。由于字符特征提取的精练性和完全性将直接影响识别算法的精度和复杂度,因此结合计算机视觉中形状简化的相关研究成果,给出了适用于东巴象形文字特征曲线简化的改进算法。该算法以离散曲线演化算法为基础,进一步给出了区域最大面积差的临界点选取法和二次简化算法,有效去除了东巴字符特征曲线中的冗余点和潜在异常点。通过通用性和鲁棒性实验表明,该算法在保留原有字符特征的基础上可以去除曲线中87%以上的冗余点,实现了特征曲线的最简化,从而为东巴文字的相似性度量奠定基础。

基于离散曲线演化的东巴象形文字特征曲线简化算法

东巴文是一种十分原始的图画象形文字,作为人类早期图画文字向象形文字、标音文字过渡的文字形式,它既具有图画文字以图表意,又具有现代文字使用简单线条表意的特点。因此,从文字的结构要素入手,通过分析东巴象形文字的构字特点,结合计算机视觉中形状简化的相关研究成果,给出基于离散曲线演化的东巴象形文字特征曲线简化算法。通过大量实验表明,该算法能够有效去除特征曲线中的冗余点及噪音点,突出字符的本质特征,降低相似性度量的计算量,从而为东巴象形文字的检测和识别奠定坚实的基础。

一种改进的图像轮廓离散曲线演化算法研究

为了简化轮廓描述的复杂度,同时消除数字图像中目标对象存在的轮廓变形问题,通过离散曲线演化算法定义了基于面积比函数、平均角点距离、角点与质心平均距离函数作为终止函数的改进离散曲线演化算法。实验证明,该算法不仅可以在保留原轮廓视觉特性基础上大幅度减少轮廓的采样点数目,也能够很好的去除轮廓噪声,对后续目标识别具有重要意义。

联合骨架与边界特征的平面形状分解

在形状分析及其相关应用中,将形状分解成有意义的几个部分往往具有重要意义。骨架与轮廓都蕴含了丰富的物体形状全局与局部信息。提出一种联合骨架与边界特征的平面形状分解方法。该算法引入符合视觉特性的弯曲度比率作为约束,获得可控的分解结果以满足不同细节尺度的要求。算法充分利用对轮廓进行离散曲线演化时得到的信息,避免几个重要的部分被合并为一个整体。由于采用了鲁棒的骨架生成方法,使得算法对较高噪声干扰具有一定的鲁棒性,且能使得一个重要的部分不被进一步误分解。以MPEG7形状库等形状为实验对象,对算法的有效性进行了验证。分解实验结果均较为符合人类的主观感觉,同时对噪声污染的形状也具有较为鲁棒的结果。

保持几何特征的自适应弹性二次曲线模型

物体形状特征的准确提取往往受到图像获取、目标分割等过程中各种因素的影响,因而需要构造一种鲁棒的形状表现来保有其本质特征。揭示弹性二次曲线(EQW)模型中能量权重因子和样条重叠度因子与形状几何特性间的关系,提出一种自适应保持几何特征的EQW形状表现模型,并将该模型与交互式Live Wire算法相结合,应用至图像分割中,对于各种模态图像中的目标进行分割实验。直观上,本文方法能够在去除噪声同时较好地保持目标形状的显著特征;量化结果方面,交互式分割误差保持在较小稳定范围内,引入EQW模型带来的时间开销亦在可接受范围内。