基于谱图理论的形状聚类仿真

谱图理论已经广泛的应用于形状表示、匹配和聚类。主要研究两个方面的问题：1、通过提取形状的骨架特征点和图谱分析,建立形状的数学模型;2、通过分析模型的数学特征,将形状投影到低维空间中。利用上述方法实现了形状的聚类仿真。针对公共数据集的仿真实验证明了该聚类算法能有效的实现形状聚类。     

点模式的概率松弛匹配法

文章提出了一种将谱图理论、特征点的局部特征和概率松弛法相结合的特征点匹配算法。该算法通过谱方法,求出特征点匹配的初始概率;利用特征点的结构特征和灰度特征,求得初始支持度;将初始概率、初始支持度与概率松弛迭代法相结合,获得匹配结果。实验结果表明,该方法能够达到较高的匹配效果。     

基于多种修正方式的概率松弛匹配算法

文章提出了一种将谱图理论、特征点的灰度特征及空间特征和概率松弛法相结合的特征点匹配算法;首先通过谱方法求出特征点匹配的初始概率,然后利用特征点的灰度相关性及形状上下文关系来修正初始概率,再利用特征点的形状上下文关系作为初始支持度,最后将修正过的初始概率、初始支持度与概率松弛迭代法相结合,获得匹配结果;实验结果表明,该方法能够达到很高的匹配效果.