基于中心-轮廓距离特征统计的形状表示方法-论文.pdf

《基于中心-轮廓距离特征统计的形状表示方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第37卷第6期电子与信息学报Vl0l_37NO．62015年6月JournalofElectronics&InformationTechnologyJun．2015基于中心．轮廓距离特征统计的形状表示方法郭树旭赵静李雪妍f吉林大学电子科学与工程学院长春130012)摘要：该文提出一种新的基于特征统计的形状描述方法。通过对中心一轮廓距离(CCD)$H传统链码(Chaincode1的联合统计分析，使用中心一轮廓距离对形状进行层次分解，对各层的形状映射部分的链码描述进行统计分析，从而形成中心一轮廓距离和链码的联合统计(JSCCDC)描述子。形状

2、之间的相似性可以用JSCCDC的城区距离来描述。实验结果表明，该表示方法兼具了形状的全局特征和局部特征，相比于传统的特征加权方法具有更优越的性能，在形状匹配和形状检索中具有较高的精度和可靠性。关键词：模式识别；形状表示；特征统计；链码；中心一轮廓距离；匹配矩阵中图分类号：TP391．4文献标识码：A文章编号：1009—5896(2015)06-1365—07DOI：10．11999／JEIT140960ResearchonShapeRepresentationBasedonStatisticalFeaturesofCentroid-con

3、tourDistanceGnoShu．XUZhaoJingLiXue．yan(College0，ElectronicScienceandEngineering，JilinUniversity，Changchun130012，China)Abstract：Thispaperproposesanovelshaperepresentationmethodbasedonstatisticalfeatures．AccordingtothejointanalysisonCentroid—ContourDistance(CCD)andchaincode

4、，thesilhouetteisdecomposedintoseverallevelsbasedonCCD．Andthen，thechaincodedescribinglayingineachlevelisanalyzedtoextracttheJointStatisticalofCentroid—ContourDistanceandChaincode(JSCCDC)descriptorforthesilhouette．Thesimilaritybetweendifferentshapescanbemeasuredbythecity-bl

5、ockdistance．Experimentresultsshowthattheproposedmethoddescribesbothglobalandloamfeatures．Comparedwithtraditionalfeatureweightingmethod，JSCCDCismoreaccurateandreliableforshapematchingandretrieva1．Keywords：Patternrecognition；Shaperepresentation；Featurestatistics；Chaincode；C

6、entroid—ContourDistance(CCD)；Matchingmatrix1引言某种方法生成一个数值化的描述子来刻画形状特征的过程。轮廓特征描述子区分能力的强弱将直接影形状匹配与分类是模式识别与计算机视觉研究响形状识别与分类的结果，它是有效完成形状匹配的重要问题，被广泛应用在很多领域，如目标识别、任务的关键所在。形状特征描述子主要可以分为基图像检索、人脸识别、医学图像诊断等，主要包括于轮廓和基于区域两大类。基于区域的方法是利用形状表示、形状匹配和度量学习3个模块。对于一物体内部区域(所有像素点)的信息来表示形状，而个二值形状，

7、先要提取其轮廓特征描述子，其区分基于轮廓的方法主要是利用物体的边界轮廓信息来能力的强弱将直接影响形状识别的结果，大多数形表示形状，与前者相比，其优势主要体现在对图像状匹配的工作都集中在此。匹配过程是找到一对不低层特征的高识别度以及相对较小的计算量上。因同形状之间的整体及局部的对应关系，对应关系的此，该方法成为近年来形状表示研究的主流。准确性也将会对之后得到的非相似度的区分能力产基于轮廓的形状表示方法大致可以分为4类：生直接影响。度量学习则是通过已知的数据库形状全局描述子，局部描述子，多尺度描述子和多方面的上下文信息来改进原有距离度量的方法

8、，这一步描述子。早期描述子，如边界长度、直径、圆度等骤能将原有距离的区分性能大幅度提升[1]o都属于全局描述子。全局特征一般是平移，旋转不形状表示，又称特征提取或形状描述，是通过变的，计算简单