基于特征学习的形状识别方法

摘要

形状识别是计算机视觉领域的基本问题，可以广泛的应用于对象识别、图像配准等各个领域。但是在实际的应用中，目标形状可能发生各种几何变换，如平移变换，旋转变换，射影变换，弹性变换等。草图是一种特殊的形状，它是物体经过人脑处理后的抽象产物，每个人对事物的理解，观察角度，绘画习惯都不尽相同，所以草图的发生的变换更加复杂。如何提取在形状发生各种变换后的不变特征，成为亟待解决的问题；基本的形状描述子无法描述这种不变关系，所以如何通过特征学习的方法获得变换前后的特征不变关系成为主要研究方向。 针对射影变换后形状的识别，目前的方法大多采样点间关系作为形状描述子。这类方法需要先对齐采样点，才能完成特征之间的比较和匹配。但是在实际应用中,由于观测角度的不同，形状产生各种各样的变换，所以采样点之间的严格对应关系是很难获取的。为了克服这类描述子的缺点，本文提出了一种基于曲率分级的形状编码及识别方法。本文方法的基本思想是首先使用射影不变量描述轮廓段特征，然后对轮廓段特征进行编码；这样可以获得形状的中级特征；接下来采用曲率分级的方法，在不同级别内提取特征，从而获得形状特征。实验结果表明，该方法对于射影变换下形状的识别效果明显高于其他方法。 目前用于草图识别的方法使用传统的图像描述子描述草图，大部分方法都忽略了草图地时序性。因此本文提出了一种基于时序性的草图识别方法。该方法首先根据将草图的笔画分组，然后提取笔画组特征；为了进一步利用草图的时序特征，本文将笔画组特征按照时间序列依次输送给循环神经网络，最后使用联合贝叶斯将各个时间点的草图特征融合，从而完成草图的识别工作。实验结果表明，本文方法的草图识别结果明显好于其它方法。

目录

第一个书签之前

OLE_LINK1

OLE_LINK3