点模式匹配及应用研究

论文摘要

点模式匹配是计算机视觉和模式识别中重要而基础的问题,在立体视觉匹配、航空航天自主导航、医学图像分析、遥感图像配准、目标识别与跟踪、药物设计、DNA序列预测等方面都有广泛的应用,是目前各领域关注和研究的热点。但由于各自研究背景的限制,至今没有一个通用的方法或理论框架;而且点模式匹配本质上是一个NP类复杂的组合优化问题,在应用中由于出格点、噪声扰动和形变等问题的影响,一直未能完全解决。针对点模式匹配技术研究现状,论文从构建点模式匹配框架着手,提出了一种算法基本框架,分别对框架中匹配评价函数、特征提取和匹配识别、空间变换模型求解等关键问题和技术进行了系统和深入地研究。在此基础上,提出了系列基于基本框架的点模式匹配算法,并分别对算法在不同领域的应用进行了研究。主要内容概述如下:1、在对已有算法进行分析和总结基础上,提出一种点模式匹配算法基本框架,对框架中的关键问题和技术进行研究,充实了其中相关理论,给出了求解的基本方法和思路。所提框架具有一定的普适性,目前已有算法都可归结为它的一种具体实现,由该框架亦可构建出系列的具体算法。2、对匹配评价函数进行了研究。把点模式匹配转化为具体评价函数的优化问题,分别利用欧氏距离测度、Hausdorff距离测度、最大似然法建立了点模式匹配无约束评价函数;对匹配问题中出格点、匹配关系、空间变换参数、以及插值模型的平滑性约束及其相关理论问题进行了研究,给出了具体的数学表达式。3、对点集中点的特征提取问题进行了研究。定义了点集中点的特征的概念,给出了点的特征提取的基本要求。研究了点原始特征、二次特征提取的基本方法和概念。提出了点的KL特征提取方法,推导了其与经典基于谱图论算法中特征提取方法的关系,得到具有普遍性的结论,以此为基础提出了顺序特征提取方法(Sorting Algorithm for Feature Extraction ,SA)。针对KL和SA特征提取方法对于出格点的鲁棒性差问题,提出了方位与距离分组拓扑(Orientation & Distance Based Topology ,ODT)特征提取方法。在存在一定出格点情况下,该方法能提取较为稳定的点的特征。在此基础上,给出其与前沿的SC特征提取方法的联系。4、提出了系列基于基本框架的算法。(1)提出了基于KL(SA)特征的硬匹配算法,实现了在等距、相似和仿射变换下的点模式匹配。然后,对其在立体视觉匹配中的应用进行了研究。算法具有较好的抗噪性能,但对出格点不具鲁棒性。(2)针对基于KL(SA)特征的硬匹配算法存在问题,提出了基于ODT(SC)特征的软匹配算法。算法实现了在出格点影响下鲁棒的点模式匹配,并对其在空间探测器着陆自主导航中的应用进行了研究。但算法对于高维空间变换的点模式匹配仍有一定局限。(3)针对上述提出算法的局限性,提出了一种基于仿射参数估计的迭代点模式匹配算法(Iterative Affine Parameter Estimation Algorithm for PPM ,IAPEA),较好的实现了在一般仿射变换下存在噪声和出格点影响时的点模式匹配。而后,对算法在姿态估计中的应用进行了研究。IAPEA算法是一种基于解析法的匹配算法,存在问题是当存在较大变换、噪声、出格点干扰时或更高维变换下不能有效匹配。(4)针对IAPEA算法问题,研究运用随机搜索法——群体智能技术求解点模式匹配问题。提出了基于蚁群优化的仿射点模式匹配算法和基于粒子群优化的射影点模式匹配算法。算法分别较好的实现了在较大仿射变换下,存在强噪声和较多出格点情况下的点模式匹配和射影变换下的点模式匹配。最后分别对两种算法在指纹识别和遥感图像拼接中的应用进行了研究。(5)研究了非刚性点模式匹配问题。深入研究了非刚性形变与软匹配方法的关系,给出了基于基本框架的软匹配方法和两种具体的算法实现:基于空域滤波和模拟退火的匹配算法和基于空域滤波和松弛标记的匹配算法。最后,分别对两种算法在手势跟踪和医学图像配准方面的应用进行了研究。

论文目录

• 摘要
• ABSTRACT
• 第一章 概述
• 1.1 点模式匹配的定义和分类
• 1.2 课题背景和意义
• 1.2.1 研究意义
• 1.2.2 点模式匹配技术研究现状
• 1.2.3 点模式匹配技术发展趋势
• 1.3 论文研究内容和安排
• 第二章 点模式匹配的基本框架
• 2.1 引言
• 2.2 点模式匹配算法的基本框架
• 2.2.1 两类基本算法
• 2.2.2 基本算法框架
• 2.3 匹配的评价函数
• 2.3.1 点模式匹配问题的基本数学模型
• 2.3.2 无约束评价函数
• 2.3.3 关于匹配的相关约束
• 2.4 匹配关系的求解
• 2.4.1 特征提取
• 2.4.2 匹配识别
• 2.5 基本空间变换模型及其参数求解方法
• 2.5.1 基本几何空间变换模型
• 2.5.2 空间变换参数求解的基本方法
• 2.6 算法匹配结果的评价
• 2.6.1 模糊匹配矩阵及置信水平
• 2.6.2 两种匹配结果的评价参数
• 2.7 小结
• 第三章 点集中点的特征提取
• 3.1 引言
• 3.2 点集中点的特征
• 3.3 几种原始特征提取方法
• 3.3.1 基本几何特征
• 3.3.2 基本关系特征
• 3.4 点集中点的KL 特征提取方法
• 3.4.1 KL 特征提取法及其性质
• 3.4.2 KL 特征提取法与谱图特征提取法的关系
• 3.5 一种空间关系特征提取方法——顺序特征提取法
• 3.6 一种基于空间拓扑关系的特征提取方法
• 3.6.1 距离关系分组的拓扑特征（Distance Topological Feature, DT）
• 3.6.2 具有方位信息的分组拓扑关系特征
• 3.6.3 形状描述算子（SC）——一种拓扑关系表现特征
• 3.7 小结
• 第四章 基于基本框架简化的点模式匹配算法及应用
• 4.1 引言
• 4.2 基于KL 和SA 特征的硬匹配算法
• 4.2.1 最小概率误判法
• 4.2.2 基于KL（SA）的匹配算法
• 4.2.3 实验结果及分析
• 4.3 算法在立体视觉匹配中应用
• 4.4 基于ODT 和SC 特征的软匹配算法
• 4.4.1 匹配观察矩阵
• 4.4.2 匹配矩阵的双向WTA 约束
• 4.4.3 基于松弛标记法的匹配关系求解
• 4.4.4 实验结果及分析
• 4.5 算法在空间探测器着陆自主导航中的应用
• 4.6 小结
• 4.7 附录
• 第五章 基于基本框架的一种仿射点模式匹配算法及应用
• 5.1 引言
• 5.2 虚拟点对参数盲估法——一种初值估计方法
• 5.2.1 点集归一化
• 5.2.2 构造虚拟点对
• 5.2.3 实验
• 5.2.4 分析和改进
• 5.3 基于仿射参数估计的点模式匹配算法
• 5.3.1 基本问题描述
• 5.3.2 点集的匹配
• 5.3.3 基于一般仿射变换的参数估计方法——无约束最小方差法
• 5.3.4 算法步骤及收敛性质
• 5.4 实验及分析
• 5.4.1 实验结果
• 5.4.2 分析
• 5.5 IAPEA 算法在姿态估计中的应用
• 5.6 小结
• 第六章 基于群体智能优化的点模式匹配算法及应用
• 6.1 引言
• 6.2 两种基本的群体智能优化算法
• 6.2.1 ACO 算法
• 6.2.2 PSO 算法
• 6.3 基于ACO 的仿射点模式匹配算法
• 6.3.1 基本问题描述
• 6.3.2 利用ACO 求解PPM 问题的基本假设
• 6.3.3 基本要素和方法
• 6.3.4 与IAPEA 及基于GA 算法的比较实验及分析
• 6.4 运用基于ACO 的匹配算法进行指纹识别
• 6.5 利用PSO 求解射影变换下的匹配问题
• 6.5.1 基于PSO 点模式匹配问题描述
• 6.5.2 改进的Hausdorff 距离评价函数
• 6.5.3 利用PSO 方法求解射影变换参数
• 6.5.4 实验及分析
• 6.6 遥感图像拼接
• 6.7 小结
• 第七章 非刚性点模式匹配算法及应用
• 7.1 引言
• 7.2 非刚性点模式匹配问题的基本描述
• 7.2.1 算法基本思想
• 7.2.2 问题描述
• 7.3 非刚性插值变换模型的求解
• 7.3.1 精确插值模型的参数求解
• 7.3.2 非精确插值模型的参数求解
• 7.4 两种软匹配方法的具体实现
• 7.4.1 匹配观察矩阵的求解
• 7.4.2 基于确定性模拟退火的匹配算法
• 7.4.3 利用松弛标记法实现匹配算法
• 7.5 实验及分析
• 7.6 算法应用
• 7.6.1 手势跟踪
• 7.6.2 医学图像配准
• 7.7 小结
• 第八章 结束语
• 8.1 本文的主要成果和创新点
• 8.1.1 主要工作
• 8.1.2 主要创新点
• 8.2 未来工作展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果