形状骨架的多尺度表达及几何重建研究

《形状骨架的多尺度表达及几何重建研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391.4密级公开UDC004.9学位论文编号D-10617-308-(2016)-02059重庆邮电大学硕士学位论文中文题目形状骨架的多尺度表达及几何重建研究英文题目ResearchonMutiscaleRepresentationandGeometryReconstructionofShapeSkeleton学号S130201062姓名孙颖学位类别工学硕士学科专业计算机科学与技术指导教师秦红星教授完成日期2016年3月30日独创性声明本人声明所呈空的学位论文是本人在导师指导下进行的研巧工作及取得的研％成果？尽我所知？餘了文中恃别如Ｌ义际注和致谢

2、的地方外，论文中不包含他人已经发表或撰写过的硏巧成果，也不包含为获得重庆恥电大学或其化单位的学＆或证书而使用过的材料一？与我同工作的人员对本文研兄做化的贡献均己在论文中作了明确的说明并致从谢插，作者盜名￣：别、赛贺曰期：年＾月ｒＢｊ学位论文版权使用授权书本人完全了解重庆邮电大学有权保留、便用学泣论文纸质版和电子版的规定，即学校有权向国家有关部口或机构送交论文，允许论文被查阅和借阅等。本人投权重庆邮电大学巧Ｗ公布本学位论文的全部或部分内巧．巧编入有＾关数据库或信息系统进行检索、分析或评价，可式采用影印、缩巧、扫描或拷巧等复制手

3、段保存、汇编本学位论文。。）（注：保密的学位论文在鮮密后适用本授权书！导师签作者签名；孤解Ｉ曰期ｃＭ年玉月曰期年至月；谷个中重庆邮电大学硕士学位论文摘要摘要作为形状的一种特殊表达形式,骨架具有较好的捕获特征能力和较高的数据压缩率，因此，形状骨架的提取成为计算机视觉领域研究的热点问题。然而骨架提取一直存在对噪声敏感而包含冗余分支的困境。针对现有的骨架提取方法对轮廓噪声敏感，使骨架存在冗余分支的问题，本论文主要研究获取形状骨架表达的方法。具体的工作内容包括如下两个方面:1.提出一种基于贝叶斯模型的骨架裁剪方法。该方法首先对输入形状提取初始骨架，在此基

4、础上对离散骨架点做特征聚类和结构划分，然后引入贝叶斯理论建立起描述骨架的似然模型。最后在对贝叶斯模型优化的过程中，综合骨架分支的简洁性及其描述形状的准确性评估该分支在骨架表达中的贡献大小，由此决定候选分支的裁剪顺序，并以最大化后验概率为目标迭代去除冗余分支，最终获取接近理想结构的形状骨架表达。2.提出一种基于质量分布的骨架多尺度表达算法，该算法以模拟观察者们在获取信息时具有的视觉特性为目标来计算形状的多尺度骨架。首先需要对骨架建立树形数据结构，其次以某骨架点位于树中拥有的全部子节点的数量和作为该点的质量值，由此可得树中每个节点的质量为其前一个节点的质量值加1，通过线

5、性累加的方法可以计算出整体骨架的质量分布结果，并以此作为度量骨架点重要性的标准。最后根据根节点的子节点间的质量差值进行根节点的调整，进而在平衡质量分布的基础上做阈值筛选完成形状的多尺度骨架表达。利用提出的方法，本文做了包括骨架裁剪、形状重建、质量分布等一系列实验。实验结果表明，本文算法对轮廓噪声具有良好的鲁棒性，且得到的形状骨架既能重建出与输入形状非常相近的形状区域，也能拥有更加简洁的结构，具有较高的有效性。关键词：贝叶斯，骨架裁剪，形状重建，骨架树，质量分布I重庆邮电大学硕士学位论文AbstractAbstractAsaspecialexpressionofthe

6、shape,skeletonactswellincompressingshapedataandcatchingfeatures.Thus,theshapeoftheskeletonextractionhasbecomeahotresearchproblemincomputervisionfield.However,thepresenceofskeletonextractionissensitivetonoisewhichleadsredundantbranches.Theexistingskeletonextractionmethodsarenoise-sensit

7、ive,sothatthereisaproblemofredundantskeletonbranches.Inthethesis,weconcentrateonsolvingtheproblemofskeletonpruningbetter.Thefollowingtwoarethemainpoints.1.AskeletonpruningmethodbasedonBayesianmodelisproposed.Firstly,weextracttheoriginalskeletonfrominputshape.Basingonfeatureclustering