文献综述
题目：基于SC上下文形状描述子的图像特征提取算法研究
背景：
近年来，由于信息技术的飞速发展，计算机视觉和模式识别引起了广泛的研究，计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等，并进一步做图形处理，而模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。这其中，人们发现形状往往对应着图像中比较稳定的结构信息，不会随着图像尺度、旋转、亮度、视角等变化而产生巨大变化，形状作为一副图像的重要特征，其匹配与识别在人类的感知行为中扮演重要的角色，形状识别已经被应用到众多领域，如目标识别、字符识别、医学图像与蛋白质分析、机器人导航等。那么关于形状描述的研究，尤其是特征提取和匹配就成为了研究的热点，特征提取得到的描述符就可以应用在计算机视觉和模式识别领域，而匹配也是该领域中的重要技术。
研究目的和意义：
现代社会要求计算机视觉具有描述、存储、识别图像等功能。在这种情况下，传统的目标识别方法已经不能满足研究的需要，必须开发更多的新的基于图像内容的自动识别技术。由于形状在目标识别的过程中有着非常重要的作用，那么关于形状描述的研究，尤其是形状提取和匹配就成为研究的关键技术 。对形状进行的研究主要分为三个部分：形状的提取、形状的描述和形状的匹配。形状的提取主要是从图像中将目标从背景中精确的提取出来，由于万物的多样性，形状提取一直是比较困难的；形状的描述就是把目标用特定的序列进行表示，从而用于进行形状的匹配与识别；形状的匹配就是把特定的形状描述子通过一定的度量规则衡量其之间的相似度，即用一定的匹配算法进行对比，找出形状的相同与不同，关于形状匹配的相关研究近年来也十分活跃。在计算机视觉和模式识别中，形状可以用目标的轮廓来表示，所以要表达目标形状的特征可以从提取边缘轮廓入手。本课题的目的在于寻找合适的形状提取算法和形状匹配算法，提取和表示出目标的轮廓信息，结合形状上下文描述子，将相同的形状识别为相同的，将不同的形状识别为不同的，并且有良好的类内相似和类外相异特点。形状上下文是Belongie等人于2002年提出一种描述图形形状的算法，核心是一种点集匹配技术，该描述子以其丰富的描述信息能够比较准确地反映出图形的整体形状特性，它能够有效地进行形状匹配对比。对形状的研究在文字识别、人脸识别、基于内容的图像检索、智能视频监控、3D目标识别、商标检测等诸多领域得到了广泛的应用。
国内外研究概况：
近年来，形状研究技术虽然取得了不少进展，但是由于形状特征的一些特殊性，例如刚性、规则性、完整性等，使形状在识别与匹配等方面的实际应用还存在一定的难度。而且与传统的算法相比，也没有一种更好的对图像进行分割、提取以及匹配的算法，使得这样一个极具发展前景的研究领域，在各种理论和相关技术方面都不太完善，然而基于形状的边缘提取、形状描述与匹配又是其中的重难点所在。所以，当前关于形状的研究主要可以分为边缘检测的研究，对形状描述子的研究与对形状匹配的研究。
- 边缘检测的现状：
边缘是图像的一种低层次特征，边缘检测的目的是要制作一个线图，类似漫画家的草图。图像的边缘是通过灰度的不连续性得以体现。边缘检测的技术很多，有些比较基础，有些比较先进。边缘检测主要是通过一阶微分或者二阶微分的方式来实现最终目的。常见的一阶微分算法有Roberts和Sobel，常见的二阶微分方式有 Laplacian。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
