基于中心-轮廓距离特征统计的形状表示方法.pdfVIP

第 37卷第 6期 电 子 与 信 息 学 报 V0ll_37NO．6 2015年 6月 JournalofElectronics InformationTechnology Jun．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—07 DOI：10．11999／JEIT140960 ResearchonShapeRepresentationBasedonStatistical FeaturesofCentroid-contour Distance GnoShu．．XU ZhaoJing LiXue．．yan (College0，ElectronicScienceandEngineering，JilinUniversity，Changchun130012，China) Abstract：Thispaperproposesanovelshaperepresentationmethodbasedonstatisticalfeatures．Accordingtothe jointanalysisonCentroid—ContourDistance(CCD)andchaincode，thesilhouetteisdecomposedintoseverallevels basedonCCD．Andthen，thechaincodedescribinglayingineachlevelisanalyzedtoextracttheJointStatistical ofCentroid—ContourDistanceandChaincode(JSCCDC)descriptorforthesilhouette．Thesimilaritybetween differentshapescanbemeasuredbythecity-blockdistance．Experimentresultsshow thattheproposedmethod describesbothglobalandloam features．Comparedwithtraditionalfeatureweightingmethod，JSCCDC ismore accurateandreliableforshapematchingandretrieva1． Keywords：Patternrecognition；Shaperepresentation；Featurestatistics；Chaincode；Centroid—ContourDistance (CCD)；Matchingmatrix 1 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