33、图像分析算法与霍夫变换在目标识别中的应用

图像分析算法与霍夫变换在目标识别中的应用

1. 目标识别算法

1.1 算法概述

目标识别算法旨在从大地图中找出与小地图中相似的建筑物。该算法的输入是两个矢量化地图，一个是包含众多建筑物的大区域地图，另一个是仅含一座建筑物的小地图，且小地图中的建筑物与大地图中的某一建筑物相似，但可能经过了缩放和旋转。

1.2 算法步骤

1. 角点数量比较 ：比较两座建筑物的角点数量。若数量不同，则判定两座建筑物不同，算法停止；若数量相同，则进入下一步。
2. 特征表示转换 ：将建筑物的角点列表表示转换为使用墙的角度和长度的表示，即名义特征表示。具体做法是，对于建筑物的每一面墙（由一对点确定向量），计算其长度和角度。名义特征由以给定精度计算的角度直接描述，特征数量通过墙的长度除以特征长度得到。最终，建筑物的每一面墙由一对 (F, N) 描述，其中 F 是名义特征符号（墙的角度），N 是特征数量，得到形式为 ((F1, N1), (F2, N2), …, (Fm, Nm)) 的列表。
3. 新列表创建 ：为被比较的两座建筑物的表示分别创建一个包含值对的新列表。第一个值表示连续墙之间的角度，第二个值是角点前墙的长度（构成墙的名义特征数量）。角度的计算方式为 αi = (Fi+1 - Fi) mod 360（i ∈ 1, …, m - 1），最后一个角度（顶点在第一个角点）计算为 αm = (F1 - Fm) mod 360。这样的表示使地图上建筑物的旋转差异变得无关紧要，得到的列表形式为 ((α1, N1), (α2,