基于傅立叶描述子主要系数的轮廓分类树

摘要

针对物体轮廓分类准确性和实时性的要求,提出了一种新的基于傅立叶描述子主要系数的分类树构造方法。首先构建梯度递增决策树(GBDT)模型对轮廓傅立叶描述子进行特征选择,得到其主要系数;然后利用主要系数构建分类和回归树(CART)模型对轮廓分类。实验表明,在保证较高分类准确率的情况下,此分类方法平均耗时仅为0.03 s。