郎 波，樊一娜，黄 静，王 鹏

（北京师范大学珠海分校 信息技术学院，广东 珠海 519087）

基于混合高斯模型的物体成分拟合方法*

郎 波，樊一娜，黄 静，王 鹏

（北京师范大学珠海分校 信息技术学院，广东 珠海 519087）

为了寻求代价更小、效率更高、适应性更强的图像原型表征方法，借鉴成分识别理论的观点，设计出一种更符合人类认知原理、更具有可理解性的物体拟合算法。利用二维高斯混合函数，用高斯成分来拟合物体的边缘图像，使得物体的表征由单一的像素表示转变为利用成分进行表征的方式。为了使得拟合结果更具有健壮性，在算法中还引入了分裂-归约机制来对拟合结果进行修正。实验结果表明，这种拟合手段能够很好地描述物体的特征成分，为图像进行后期的高级语义处理奠定了基础。

原型表征；物体识别；二维高斯；成分理论；拟合

0 引言

目前计算机视觉研究领域对物体的表征主要集中于基于轮廓的形状表征，并提出了各种描述子[1，2]，例如全局描述子、局部描述子、多尺度描述子和多方面描述子。全局描述子缺少细节描述，区分力较差，而局部描述子虽然能对形状进行细致刻画，但是对噪声非常敏感[3]。为了解决这一问题，出现了多尺度描述子，例如多尺度分形维数算法[4]和轮廓点控制尺度的算法[5]。另外还有形状上下文为代表的多方面描述子[6]以及基于特征统计的同心离散圆簇描述法[7]。成分识别理论（Recognition-By-Components theory）是Biederman在20世纪80年代提出的一种模式识别的理论[8]。……