模糊图像中的形状识别技术

基于形状来识别目标是机器视觉领域的一个研究热点。现有的形状识别技术一般不考虑目标图像的来源，从而隐含地假设图像的质量总是理想的。然而在实际应用中，图像有可能会因为种种原因而发生模糊现象，如成像离焦、气压紊乱、烟雾干扰、环境光线过强或过暗等。图像的模糊将导致目标的形状轮廓变得平滑，丢失细节特征，从而影响其可识别度。若通过重建图像来恢复形状，则一方面会因为问题的本质病态性而导致计算结果的不稳定，另一方面也会因为计算复杂度过高而达不到实施目标识别的标准。为此，本项目提出一种能够直接根据模糊图像中的平滑形状来识别目标的技术。研究内容包括：1）研究图像在模糊化过程中的收敛性质，为目标形状的演化过程建立数学模型；2）研究形状轮廓及其上的曲率特征点在演化过程中的相关性质；3）基于曲率特征点的轨迹线所形成的尺度空间图，实现模糊图像中平滑的查询形状与数据库中精确的模型形状之间的匹配，由此完成目标识别任务。

本项目研究直接根据模糊图像中的形状来识别目标的技术. 图像的模糊化会给其中的形状提取、形状表述和匹配带来众多的问题. 项目组针对这些问题分别提出解决方案, 实现算法并完成算法的性能分析和评估. 主要包括: 为了从总体上提高形状匹配算法的评估效率, 提出了一款新的评估方法, 该技术能够以较少的计算成本快速判断出待检索形状的归类结果; 提出了能够解决图像仿射变换问题的形状匹配算法; 提出了能够保留更多形状信息的匹配方案, 改进了MPEG标准中的现有形状匹配算法的效率; 为了压缩形状数据, 提高形状匹配效率, 考虑了基于尺度空间思想的形状多边形化算法; 提出了能够匹配图像中开曲线的算法; 针对地面建筑物匹配这一特定问题, 提出了建筑物棱角线提取算法; 提出稀松结构物体的边缘检测问题, 并给出了两款算法用于解决该问题, 在模糊图像上, 这两款算法的效率明显好于Canny边缘检测方法. 研究了形状在模糊演化过程中的收敛性质, 提出了能够匹配模糊形状和精确形状的算法. 研究工作按照该计划执行, 基本没有调整. 目前取得的主要业绩包括：已发表学术论文12篇，其中大部分被三大检索系统收录；合作编著学术论著一本, 即将出版. 另有多篇在投和即将投稿的论文; 申请发明专利1项.