用于二维形状描述圆周分解法

本文提出一种新的二维形状描述方法，用于描述二值和灰度图像物体的形状信息。该方法使用同心环状区域对二维形状进行分解，产生一组描述强度值的投影函数，并通过傅立叶变换实现旋转不变性和抗干扰能力。该方法与物体是否具有单一边界无关，能够适应各种复杂的、边界不规则的或者不连通的物体形状。此外，该方法还能够直接应用于灰度图象。     

基于MDS的统计形状聚类

针对物体轮廓曲线，采用新的模与相位保持的傅里叶描述方法，将连续的轮廓曲线降维归一化为R^M空间中的点，引入DTW（Dynamic Time Warping）相似度，使用多维尺度分析（MDS），对多类物体基于形状进行聚类。实验结果表明，在合适的相似度下，该方法能够对不同的形状序列进行聚类。     

基于MDS的统计形状聚类

针对物体轮廓曲线,采用新的模与相位保持的傅里叶描述方法,将连续的轮廓曲线降维归一化为RM空间中的点,引入DTW(Dynamic Time Warping)相似度,使用多维尺度分析(MDS),对多类物体基于形状进行聚类。实验结果表明,在合适的相似度下,该方法能够对不同的形状序列进行聚类。     

基于傅立叶变换的多维数据可视化分类

基于雷达图表示多维数据的原理,提出一种利用傅立叶描述子识别雷达图形的可视化数据分类新方法。该方法采用多元统计中的雷达图表示多维数据,不同模式类别的多维数据构成不同形状的雷达图形。在此基础上对雷达图的边界曲线进行傅立叶变换,计算傅立叶描述子作为雷达图的图形特征,并运用改进的概率神经网络进行识别。实验结果表明该方法具有较好的分类效果,分类精度比传统分类方法提高了约8.25%。     

一类新的V描述子在形状识别中的应用

提出了一类新的V描述子,对二维图形进行V变换提取形状信息,并定义归一化后的变换系数为描述子,其具有旋转、平移、缩放不变性,通过形状主方向在一定程度上消除了起始点的影响.通过快速V变换可以有效地计算出V描述子,该识别算法采用加权欧氏距离,并充分利用了V描述子的多分辨率分析特性,对轻微遮挡具有一定的抵抗力,可以根据实际情况达到较好的识别.     

傅立叶描述子在手势识别中的应用

本文分析了具有旋转、平移和尺度变换不变性,并且与边界的起点位置无关的傅立叶描述子,并把傅立叶描述子及欧氏距离应用于字母手势的识别中。实验结果表明,利用傅立叶描述子能够有效地识别出有旋转、平移及尺度变换后的同一类字母手势,取得了良好的识别效果。     

基于小波描述子和神经网络的形状识别

提出一种把小波描述子和神经网络相结合的形状识别方法。通过小波描述子提取待识别物体的形状特征，所提取的特征值不受物体位移、缩放和旋转的影响，接着用多层分类器网络对物体的形状进行识别分类，并采用BP算法对神经网络进行学习和训练。最后得出令人满意的实验结果。     

识别手绘形状的两种算法的实现

研究并实现了人机交互中大量使用的手绘形状识别算法.对在线和脱机两种情况分别使用了两种算法.针对在线识别使用了连续线段傅立叶描述子,然后归一化,对归一化后的系数进行测试样本和训练样本的比较.对脱机识别使用主成分法,获得训练样本的主成分,将测试样本和训练样本在主成分空间上进行投影,就获得的投影分量进行比较.用跨平台的Java语言实现了算法和识别系统,对不同形状进行了实验并给出了实验结果,同时给出了两种算法特点的比较.     

基于傅里叶变换的形状上下文描述方法

提出了一种新的基于傅里叶变换的形状上下文描述方法,与以前的形状上下文描述子相比,增加了天然的旋转不变性,同时描述子本身也更加简洁.该傅里叶形状描述子,将全局采样点的分布信息有机地结合到了每个采样点的特征描述中去,从而使代表不同形状的采样点集可以得到准确的鉴别匹配.进一步考虑点集之间仿射变换的代价,从而可以很好地运用到二维形状分类识别问题中去.该方法满足平移、缩放、旋转三个不变性,在形状有遮挡、缺损的情况下都可以取得较好的容错识别效果.     

应用分数阶傅里叶变换的形状描述方法研究

傅里叶描述子是一种经典的形状描述方法。作为傅里叶变换的推广形式,分数阶傅里叶变换在数字信号处理工程领域已有相当广泛的应用,但在形状分析领域还很少有研究工作的报道。首次研究了基于分数阶傅里叶变换的形状描述方法,比较了不同阶数下的分数阶傅里叶描述子在图像检索中的性能。通过在MPEG-7的标准图像测试集的图像检索实验,得出：阶数ρ为0.1时,分数阶傅里叶描述子的检索效果最差,随ρ=0.1的增长,检索性能总体呈上升趋势,当ρ=0.5变化到1.0时,检索性能最高。同时,与Zernike矩进行比较：当阶数为0.1时,分数阶傅里叶描述子的检索性能较差;而阶数为0.5、1.0时分数阶傅里叶描述子的检索性能均较好。     

结合PCA和FPD的傅里叶形状描述子

提出一种将主成分分析(PCA)与最远点距离(FPD)相结合的二维形状傅里叶描述子。利用PCA方法对二维形状进行归一化,对归一化后的数据进行重采样,提取采样点的FPD用于傅里叶变换,运用得到的描述子对二维形状进行分类。经该方法处理得到的描述子对仿射、旋转、噪声等的抗干扰能力得到提升,对形状的局部特性描述能力更强。在手工工具数据集和仿射变换数据集中进行测试,结果表明,该方法的识别率分别达到90.6%和93%,从而验证其有效性。     

一种二维极坐标傅里叶描述子在图像检索中的应用

在图像检索中,形状描述是图像内容描述的关键部分。目前已经存在的大多数形状描述符均是基于某一特定应用的,不具有通用性。文章提出了一种基于二维极坐标傅里叶变换的傅里叶描述子对目标形状的描述方法,分析并实验验证了该方法的各个性质,并讨论了它的实际计算问题。实验结果表明,该描述符通用性强,鲁棒性高。     

结合轮廓与形状特征的仿射形状匹配

目的 针对仿射变换下形状匹配中存在的描述子对形状的描述能力不足,以及描述子计算耗时大的问题,改进基于所有图像点投影的方法,提出一种利用轮廓计算投影面积的仿射形状匹配算法。方法 该算法分为粗匹配和精匹配两个阶段。粗匹配阶段以CSS角点作为备选特征点,首先统计轮廓投影面积分布作为特征点描述子;然后利用动态规划蚁群算法匹配两幅图片公共特征点序列,并将匹配好的特征点序列记为对应的新特征点;最后采用该新特征点划分目标曲线,得到对应的轮廓曲线;这一阶段的目的是对形状的筛选以及寻找一致的轮廓特征点,同时完成轮廓曲线的划分。精匹配阶段,采用小波仿射不变描述子,对粗匹配阶段匹配代价最小的5%的目标进行对应曲线匹配,得到精匹配阶段的匹配代价,从而实现对仿射目标的识别;精匹配弥补了描述子对轮廓细节描述不足的问题。结果 算法的平均检索速度比传统基于形状投影分布描述子提高44.3%,在MPEG-7图像库上的检索效果为98.65%,在MPEG-7仿射图像库上的查准率与查全率综合评价指标比传统的基于形状投影分布描述子高3.1%,比形状上下文高25%。结论 本文算法匹配效果好,效率高,抗噪性强,解决了仿射描述子计算速度慢、描述能力不足的问题,能有效地应用于仿射形状匹配与检索领域。