多尺度面实体的匹配方法研究

基于正切空间的多尺度面实体形状匹配
付仲良;邵世维;童春芽
【期刊名称】《计算机工程》
【年(卷),期】2010(036)017
【摘要】针对多尺度面状要素的一对多匹配问题,提出基于正切空间的多尺度面实体形状相似性匹配方法.通过源多边形外扩缓冲区搜索候选匹配集,对候选匹配集中的面要素进行组合,组合生成的多边形与源多边形进行形状匹配,从而获得最佳匹配集.实验结果表明,该方法计算过程简单,容易实现且匹配效率较高.
【总页数】3页(P216-217,220)
【作者】付仲良;邵世维;童春芽
【作者单位】武汉大学遥感信息工程学院,武汉,430079;武汉大学测绘遥感信息工程国家重点实验室,武汉,430079;武汉大学遥感信息工程学院,武汉,430079;武汉大学遥感信息工程学院,武汉,430079
【正文语种】中文
【中图分类】TP393
【相关文献】
1.基于MBR组合优化算法的多尺度面实体匹配方法 [J], 刘凌佳;朱道也;朱欣焰;丁小辉;呙维
2.仿射变换下基于凸包和多尺度积分特征的形状匹配方法 [J], 蔡慧英;朱枫
3.基于改进多尺度乘积LoG算子的仿射不变形状匹配算法 [J], 杜海静;肖阳辉;朱丹;佟新鑫
4.一种基于多尺度轮廓点空间关系特征的形状匹配方法 [J], 杨亚飞;郑丹晨;韩敏
5.基于城市大比例尺地形图多尺度空间实体关联技术的研究 [J], 凌翠明;王琪因版权原因，仅展示原文概要，查看原文内容请购买。

基于深度学习的多尺度双目立体匹配方法基于深度学习的多尺度双目立体匹配方法摘要：双目立体视觉是计算机视觉领域中的重要研究方向之一。

本文介绍了一种基于深度学习的多尺度双目立体匹配方法。

通过使用卷积神经网络对双目图像进行特征提取，并采用多尺度策略对不同尺度的特征进行匹配，实现了准确快速的立体匹配。

实验结果表明，该方法能够获得较高的匹配精度和鲁棒性。

1. 引言双目立体匹配是计算机视觉领域中的重要问题之一，它可以通过两个相机拍摄的图像来恢复场景的三维结构。

早期的立体匹配方法主要基于传统的计算机视觉算法，如基于像素的匹配方法、基于特征的匹配方法等。

然而，这些方法通常存在匹配精度低、计算复杂度高等问题。

随着深度学习的兴起，基于深度学习的立体匹配方法取得了前所未有的进展。

2. 方法本文提出的多尺度双目立体匹配方法主要包括以下几个步骤：（1）数据准备首先，收集一对参考图像和目标图像，它们是在不同相机位置下拍摄的。

然后，对这对图像进行预处理，包括图像去噪、灰度化、尺度归一化等操作。

最后，将处理后的图像输入到网络中。

（2）特征提取使用卷积神经网络（CNN）对输入图像进行特征提取。

深度学习的卷积神经网络具有良好的特征提取能力，能够从图像中提取出具有丰富语义信息的特征。

在本文中，我们使用了经典的卷积神经网络模型，如ResNet和VGG等。

（3）多尺度策略为了解决不同尺度下的立体匹配问题，本文采用了多尺度策略。

通过将输入图像分别经过不同尺度的卷积核进行特征提取，可以得到多尺度的特征图。

然后，对不同尺度下的特征图进行匹配，以获得更准确的匹配结果。

（4）立体匹配将多尺度特征图输入立体匹配网络，通过学习得到每个像素的视差值。

在本文中，我们使用了经典的卷积神经网络模型，如Siamese网络和GC-Net等。

这些网络通过学习大量的立体图像对，能够获得有效的视差估计模型。

（5）后处理为了进一步提高立体匹配的精度，本文还进行了后处理。

通过采用传统的图像处理算法，如代价聚合、视差平滑等手段，可以去除匹配中的错误和噪声，得到更准确的立体匹配结果。

—201—基于多尺度的轮廓匹配方法刘 曙，罗予频，杨士元(清华大学自动化系，北京 100084)摘 要：物体的形状轮廓是计算机视觉中一个重要的特征。

该文提出了一种基于多尺度下局部特征的描述和动态规划的形状匹配和识别方法。

考虑到轮廓在不同尺度下特征点的变化，给出了形状的多尺度描述方法。

在轮廓分段匹配过程中，根据噪声和形变的程度不同对局部轮廓分别采用不同尺度滤波，避免了局部形变及噪声导致错误的匹配结果。

该算法对于噪声、形变和适度的遮挡有较好鲁棒性，用于行人识别上取得了较好的效果。

关键词：形状匹配；轮廓的多尺度描述；动态规划Contour Matching Algorithm Based on Multiscale SpaceLIU Shu, LUO Yu-pin, YANG Shi-yuan(Department of Automation, Tsinghua University, Beijing 100084)【Abstract 】Shape feature is an important visual feature. This paper proposes an approach based on multiscale representation and dynamic programming for the shape matching and recognition. Considering the changes of shape feature points in different scale, multiscale representation of contours is proposed. And the process of contour segmentation can adjust automatically while the amounts of noise and deformation change. It is robust with respect to noise, shape deformation and occlusion. This paper successfullies apply the matching algorithm to the task of pedestrian recognition in the night vision system with good results, also demonstrates the superiority of the proposed method over three traditional shape matching methods.【Key words 】shape matching; multiscale representation of contour; dynamic programming计 算 机 工 程Computer Engineering 第34卷 第1期Vol.34 No.1 2008年1月January 2008·人工智能及识别技术·文章编号：1000—3428(2008)01—0201—03文献标识码：A中图分类号：TP181 概述对基于特征的图像检索和识别来说，物体的形状轮廓是一个非常重要的特征。

一种复杂矢量面状实体的匹配方法张家新;韩保民;逯跃锋;颜怀成【摘要】针对复杂面状实体要素匹配问题,采用一种公共边对象化的Douglas-Peucker改进算法对面实体形状进行简化,然后将简化后的面实体所提取的节点以及基于面实体周长的均匀采样点作为面实体轮廓特征点.利用提取的轮廓特征点,采取一种极坐标方法对面实体进行形状描述,并分别计算出同名实体在节点和均匀采样点处的距离差异,将获取两者综合差异作为最终匹配标准.通过实验对比分析可知,该方法能有效解决复杂面状实体匹配速度和准确率问题.【期刊名称】《山东理工大学学报（自然科学版）》【年(卷),期】2017(031)005【总页数】5页(P65-69)【关键词】矢量匹配;Douglas-Peucker算法;极坐标;轮廓特征点;匹配距离【作者】张家新;韩保民;逯跃锋;颜怀成【作者单位】山东理工大学建筑工程学院,山东淄博 255049;山东理工大学建筑工程学院,山东淄博 255049;山东理工大学建筑工程学院,山东淄博 255049;山东理工大学建筑工程学院,山东淄博 255049【正文语种】中文【中图分类】P228.4在地理信息领域中，空间数据集成更新是维持数据库完整性和现势性的基础，而矢量匹配是其关键技术. 面状实体要素匹配是矢量要素匹配的重、难点问题，现实应用中通常采用面状实体之间几何形状相似程度来进行匹配，即几何匹配技术[1]，其难点就是在于如何对面状实体准确描述以及实体之间的匹配距离的量度. 针对面实体之间的几何相似度度量问题，国内外学者提出了很多解决方法.文献[2]中，通过求取两个面实体的重叠面积比来判别其匹配的可能性，由于需要重复计算面实体重叠面，运算量较大且容易出现误匹配现象.文献[3]提出一种基于面实体形状中心距离差异的匹配方法，对要素节点位置依赖较大，精度不高.文献[4]通过一种基于拱高半径的傅里叶形状描述子进行面实体形状描述，采用综合相似度进行要素匹配，较好的对面实体进行描述，但该方法涉及大量运算，耗时较长.文献[5]提出基于重心射线的实体描述方法来进行面实体匹配，适用于简单面实体匹配，对复杂面实体之间匹配精度不高.现实生产中，面状实体要素形状复杂程度不一，而现有匹配方法缺乏对形状较为复杂的面实体要素的匹配研究，本文在综合分析现有匹配方法对复杂面状实体匹配不足的基础上，提出一种基于轮廓特征点极坐标的面实体匹配方法，为了兼顾匹配速度和精度，采用一种公共边对象化的Douglas-Peucker(DP)算法对复杂面装实体进行形状简化操作，然后通过提出面实体质心和轮廓特征点的极坐标描述方法进行匹配分析. 通过将本文方法同文献中不同方法的实验比较分析可得，本文提出的方法能够较好的解决复杂面实体匹配问题.1.1 基于改进的Douglas-Peucker算法的形状简化DP算法的基本思路：将面实体要素用一系列点P0，P1，…，Pn(实体的节点)组成的集合表示. 设定简化距离阈值为Dthreshold，求出与P0距离最大的节点Pk，连接P0和Pk。