一種基于骨架圖的快速圖形匹配與識(shí)別的方法
【專(zhuān)利摘要】本發(fā)明屬于模式識(shí)別與計(jì)算機(jī)視覺(jué)【技術(shù)領(lǐng)域】，具體公開(kāi)了一種基于骨架圖的快速圖形匹配與識(shí)別的方法，主要解決了在保證圖形識(shí)別準(zhǔn)確度的同時(shí)，加快了圖形的匹配速度。其實(shí)現(xiàn)步驟包括：(1)用經(jīng)典canny邊緣檢測(cè)算子提取圖形的輪廓；(2)對(duì)圖形輪廓進(jìn)行等間距的采樣；(3)以采樣點(diǎn)作為三角形頂點(diǎn)，剖分圖形；(4)構(gòu)建圖形的內(nèi)部骨架結(jié)構(gòu)圖；(5)提取圖形骨架圖的特征向量；(6)計(jì)算圖形的匹配代價(jià)矩陣；(7)找到圖形最佳匹配點(diǎn)；(8)旋轉(zhuǎn)圖形骨架結(jié)構(gòu)圖，重復(fù)步驟(6)-(7)；(9)輸出最小匹配代價(jià)作為圖形相似度距離。本發(fā)明能夠在維持一定識(shí)別準(zhǔn)確度的情況下，有效地降低了形狀描述符算子的復(fù)雜度，加快了圖形的匹配速度。
【專(zhuān)利說(shuō)明】-種基于骨架圖的快速圖形匹配與識(shí)別的方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于模式識(shí)別與計(jì)算機(jī)視覺(jué)領(lǐng)域，涉及基于圖形內(nèi)部結(jié)構(gòu)圖的圖形識(shí)別方 法，具體是一種基于骨架圖的快速圖形匹配與識(shí)別的方法，能夠應(yīng)用于圖形的快速匹配與 識(shí)別中。

【背景技術(shù)】
[0002] 近年來(lái)，隨著科學(xué)技術(shù)與計(jì)算機(jī)互聯(lián)網(wǎng)技術(shù)的快速發(fā)展，數(shù)字圖像在各行各業(yè) 中使用的越來(lái)越廣泛。在數(shù)字的海洋中，如何能夠快速識(shí)別出一幅圖像，一直成為計(jì)算 機(jī)視覺(jué)與模式識(shí)別熱門(mén)討論的話(huà)題。自從20世紀(jì)90年代初，基于內(nèi)容的圖像檢索技術(shù) (content-based image retrieval)被提出以來(lái)，它一直是研究者的研究熱點(diǎn)。它主要通過(guò) 提取圖像的紋理、顏色、目標(biāo)的形狀以及它們的空間位置信息等特征，計(jì)算被檢索圖像與數(shù) 據(jù)集中的圖像的相似度距離，來(lái)實(shí)現(xiàn)圖像的識(shí)別與檢索。經(jīng)過(guò)近20年的研究與發(fā)展，在應(yīng) 用方面也已經(jīng)比較成熟，像google、百度、Bing等收索引擎公司都開(kāi)發(fā)了屬于自己的基于 內(nèi)容的圖像搜索產(chǎn)品。比如：Google Similar Images,百度識(shí)圖等。
[0003] 形狀特征作為圖像的最基本特征之一，自問(wèn)世以來(lái)，就得到大量學(xué)者以及研究員 的廣泛注意。通常情況下，形狀特征可以分為兩類(lèi)，一類(lèi)是基于邊界的特征，一類(lèi)是基于 區(qū)域的特征。邊界特征主要針對(duì)圖形的外部輪廓情況，區(qū)域特征主要針對(duì)整個(gè)圖形內(nèi)部區(qū) 域。一個(gè)好的形狀描述符不僅應(yīng)該具有尺度、旋轉(zhuǎn)和轉(zhuǎn)換不變性，而且對(duì)于失真的形狀，也 應(yīng)該具有很好的識(shí)別能力。傳統(tǒng)的方法，像簡(jiǎn)單的幾何特征、傅里葉描述符、小波描述符、 曲率尺度空間等都不能很好的滿(mǎn)足這些特性，圖形的識(shí)別率也不是很高，直到Belongie S, Malik J 和 Puzicha J 發(fā)表了文獻(xiàn) Shape matching and object recognition using shape contexts. Pattern Analysis and Machine Intelligence, IEEE Transactions on, 2002, pp:509-522.他們提出了 shape context形狀描述符，將邊界輪廓轉(zhuǎn)化成一維的 函數(shù)來(lái)進(jìn)行匹配，大大提高了圖形的識(shí)別準(zhǔn)確性。但是，這種方法不能有效地利用形狀輪廓 內(nèi)部的特征，對(duì)復(fù)雜的圖形不具有良好的識(shí)別效果，而且時(shí)間復(fù)雜度高，匹配效率低。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出了一種基于骨架圖的快速形狀 匹配與識(shí)別的方法，該方法在滿(mǎn)足一定識(shí)別精度的情況下，大大加快了形狀的匹配速度。
[0005] 本發(fā)明的技術(shù)方案：一種基于骨架圖的快速形狀匹配與識(shí)別的方法具體實(shí)現(xiàn)步驟 如下：
[0006] (1)依次讀入圖形數(shù)據(jù)集中的圖形Si，其中i = 1，2, ...，N，N為數(shù)據(jù)中圖形的個(gè) 數(shù)，利用canny邊緣檢測(cè)算子分別對(duì)每一幅圖形Si進(jìn)行邊界處理，提取它們的輪廓Q ;
[0007] (2)對(duì)圖形的輪廓Q進(jìn)行順時(shí)針均勻采樣，得到等間隔的Μ個(gè)采樣點(diǎn)Py其中j = 1, 2,. . . , Μ ；
[0008] (3)將采樣點(diǎn)Pij作為三角形的各個(gè)頂點(diǎn)，根據(jù)受限delauney三角剖分原則，將圖 形內(nèi)部區(qū)域劃分為很多相鄰的小三角形區(qū)域；
[0009] (4)根據(jù)劃分后的三角形區(qū)域，計(jì)算出新的采樣點(diǎn)；利用這些新采樣點(diǎn)，構(gòu)建圖形 的內(nèi)部骨架圖；
[0010] (5)利用shape context方法，建立基于骨架圖的形狀描述符，提取特征向量； [0011] (6)根據(jù)X2統(tǒng)計(jì)原則，計(jì)算兩幅圖形骨架圖的匹配代價(jià)矩陣；
[0012] (7)采用dynamic programming的方法，得到圖形間的最小匹配代價(jià)和最佳匹配 占.
[0013] (8)將圖形骨架圖旋轉(zhuǎn)60°，重復(fù)步驟（6)、（7)，直到圖形旋轉(zhuǎn)一周；
[0014] (9)找到6次最小匹配代價(jià)的最小值作為最終的圖形相似度值。
[0015] 上述步驟（2)所述的"對(duì)圖形的輪廓Q順時(shí)針均勻采樣"，按如下步驟進(jìn)行：
[0016] (2a)將圖形上的輪廓點(diǎn)從圖形左下角開(kāi)始按順時(shí)針排列，組成一個(gè)一維向量Q = {cn，ci2, · · ·，cim}，其中m是輪廓點(diǎn)的個(gè)數(shù)；
[0017] (2b)從第一個(gè)點(diǎn)開(kāi)始每隔round (m/M)個(gè)點(diǎn)，采樣一個(gè)輪廓點(diǎn)Pij，其中j = 1, 2,. . . , Μ ；
[0018] (2c)并將這Μ個(gè)采樣點(diǎn)沿著圖形輪廓的順時(shí)針排列。
[0019] 上述步驟（3)所述的"將圖形內(nèi)部區(qū)域劃分為很多相鄰的小三角形區(qū)域"，是根 據(jù)受限delauney三角刨分原則，倉(cāng)ij建一個(gè)受限的delauney三角網(wǎng)：
[0020] (3a)將步驟⑵中的采樣點(diǎn)作為delauney三角的網(wǎng)格點(diǎn)，采樣點(diǎn)的排列順序作為 delauney三角的受限條件,劃分出三角形區(qū)域；
[0021] (3b)保留圖形內(nèi)部的三角形，去除圖形外部的三角形。
[0022] 上述步驟⑷所述的"計(jì)算出新的采樣點(diǎn)，構(gòu)建圖形的內(nèi)部骨架圖"，按如下步驟 進(jìn)行：
[0023] (4a)根據(jù)劃分的三角形區(qū)域trip其中i = 1，2，...，K，K為劃分后的三角形個(gè) 數(shù)，分別得到其各個(gè)頂點(diǎn)的坐標(biāo)Ρπ(χ，y)，Ρυ(Χ，y)，和P ik(x，y);計(jì)算出每個(gè)三角形重心坐 標(biāo)centerdx，y) = (Ρπ(χ, y)+Pij(x, y)+Pik(x, y))/3,這些重心就是我們要得到的最優(yōu)采樣 點(diǎn)，也就是骨架圖的頂點(diǎn)；
[0024] (4b)如果兩個(gè)delauney三角形相鄰，用線(xiàn)段連接它們的重心centerJP center」， 其中i關(guān)j，i，j = 1，2, · · ·，k，其距離eg為centeri和center』的歐幾里得距離；如果兩個(gè) delauney三角形不相鄰，= + °° ;由center和e構(gòu)成骨架圖G ;
[0025] (4c)對(duì)于只有一條連接邊的重心點(diǎn)，定義為端點(diǎn)；對(duì)骨架圖的端點(diǎn)進(jìn)行標(biāo)記，并 按照順時(shí)針排序。
[0026] 上述步驟（5)所述的"建立基于骨架圖的形狀描述符，提取特征向量"，按如下步 驟進(jìn)行：
[0027] (5a)以骨架圖的一個(gè)端點(diǎn)叫作為頂點(diǎn)，其中i = 1，2, . . .，t，計(jì)算該點(diǎn)到其它最 優(yōu)采樣點(diǎn)center的距離與方向，轉(zhuǎn)化為極坐標(biāo)polari ( Θ，r)，并進(jìn)行歸一化處理，r限定到 (〇，1]，Θ限定到（-π，π]，其中距離r是由Dijkstra算法搜索出來(lái)的該點(diǎn)到其它點(diǎn)的最 短路徑，Dijkstra算法是由荷蘭科學(xué)家dijkstra提出的，采用廣度優(yōu)先搜索解決非負(fù)權(quán)有 向圖最短路徑問(wèn)題；角度Θ為兩點(diǎn)與水平面的夾角；
[0028] (5b)按照shape context方法建立一個(gè)2-D的灰度直方圖，將距離作為橫坐標(biāo)進(jìn) 行m等分，角度作為縱坐標(biāo)進(jìn)行η等分，統(tǒng)計(jì)落入每個(gè)直方形區(qū)域最優(yōu)采樣點(diǎn)的個(gè)數(shù)hi (k)， hiGO = #{C: (C-nD e bin(k)}, k = 1，2, · · ·，m*n 并作歸一化處理；
[0029] (5c)對(duì)每一個(gè)端點(diǎn)，都進(jìn)行步驟（5a)和（5b)處理，得到骨架特征向量GSC = IX，h2, . . .，ht},其中t為骨架圖端點(diǎn)的個(gè)數(shù)。
[0030] 本發(fā)明的有益效果：本發(fā)明用canny邊緣檢測(cè)算子提取圖像的輪廓，用采樣點(diǎn)構(gòu) 建受限delauney三角，利用三角形重心構(gòu)建骨架圖，采用shapecontext方法提取骨架圖特 征，根據(jù)X 2統(tǒng)計(jì)的方法計(jì)算圖形采樣點(diǎn)的相似性度量矩陣，用dynamic programming方法 計(jì)算最佳匹配點(diǎn)與最小匹配代價(jià)。本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)：
[0031] 1.本發(fā)明由于在對(duì)圖形輪廓采樣后，通過(guò)delauney三角轉(zhuǎn)換，得到新的采樣點(diǎn)分 布在圖形內(nèi)部，有效利用了圖形的內(nèi)部特征。
[0032] 2.采用dijkstras搜索算法，計(jì)算兩個(gè)采樣點(diǎn)間的最短距離，大大降低了形狀描 述符的時(shí)間復(fù)雜度。
[0033] 3.需要匹配的圖形上點(diǎn)的個(gè)數(shù)遠(yuǎn)遠(yuǎn)小于其它方法，加快了圖形匹配速度。

【專(zhuān)利附圖】

【附圖說(shuō)明】
[0034] 圖1是本發(fā)明的總流程框圖；
[0035] 圖2是本發(fā)明中所使用的圖形數(shù)據(jù)集；
[0036] 圖3是數(shù)據(jù)集kimia99中其中一幅圖形骨架圖的構(gòu)建；
[0037] 圖4是數(shù)據(jù)集kimia25中手勢(shì)圖形的匹配結(jié)果。

【具體實(shí)施方式】
[0038] 圖形匹配與識(shí)別問(wèn)題，可以抽象為提取圖形特征向量與計(jì)算特征向量相似性的問(wèn) 題。
[0039] 參照?qǐng)D1，本發(fā)明設(shè)計(jì)的基于骨架圖的圖形匹配與識(shí)別的具體實(shí)現(xiàn)步驟如下： [0040] 步驟一：輸入圖形數(shù)據(jù)集的N幅圖像Sp i = 1，2, . . .，N，由于輸入圖像為二值圖 像，直接用canny邊緣檢測(cè)算子提取出各幅圖像的輪廓Q，i = 1，2, ···，N。其中canny檢 測(cè)算子在1986年由John Canny提出。
[0041] 步驟二：對(duì)圖形的輪廓Ci進(jìn)行順時(shí)針均勻采樣，得到等間隔的Μ個(gè)采樣APu(j = 1, 2,. . . ,Μ)：
[0042] (2a)將圖形上的輪廓點(diǎn)從圖形左下角開(kāi)始按順時(shí)針排列，組成一個(gè)一維向量Q = {cn，ci2, · · ·，cim} (m是輪廓點(diǎn)的個(gè)數(shù)）；
[0043] (2b)從第一個(gè)點(diǎn)開(kāi)始每隔round (m/M)個(gè)點(diǎn)，采樣一個(gè)輪廓點(diǎn)Pij(j = 1，2, · · ·，M);
[0044] (2c)并將這Μ個(gè)采樣點(diǎn)沿著圖形輪廓的順時(shí)針排列。其每一個(gè)采樣點(diǎn)Py都可以 用笛卡爾坐標(biāo)表示為（x，y)，其中X為該點(diǎn)的橫坐標(biāo)，y為該點(diǎn)的縱坐標(biāo)。本實(shí)驗(yàn)中，采樣點(diǎn) 的個(gè)數(shù)為100。
[0045] 步驟三：將采樣點(diǎn)Pij作為三角形的各個(gè)頂點(diǎn)，根據(jù)受限delauney三角剖分原則， 將圖形內(nèi)部區(qū)域劃分為若干個(gè)相鄰的三角形區(qū)域trip (i = 1，2,. . .，K，K為圖形劃分后的 三角形個(gè)數(shù)）：
[0046] (3a)將步驟⑵中的采樣點(diǎn)作為delauney三角的網(wǎng)格點(diǎn)，采樣點(diǎn)的排列順序作為 delauney三角的受限條件,劃分出三角形區(qū)域；
[0047] (3b)保留圖形內(nèi)部的三角形，去除圖形外部的三角形。
[0048] 其具體實(shí)施方法見(jiàn)于J. R. Shewchuk于1996年提出的Triangle:Engineering a2DQuality Mesh Generator and Delaunay Triangulator。
[0049] 步驟四：對(duì)于圖形Si，構(gòu)建其骨架結(jié)構(gòu)圖Gp
[0050] (4a)根據(jù)劃分的三角形區(qū)域trip i = 1，2，...，K，分別得到其各個(gè)頂點(diǎn)的坐標(biāo) Pii(x，y)，Pij(x，y)和Pik(x，y)，計(jì)算出每個(gè)三角形重心坐標(biāo)計(jì)算出每個(gè)三角形重心坐標(biāo) centerjx, y) = (Ρη(χ, y)+Pij(x, y)+Pik(x, y))/3,這些重心就是我們要得到的最優(yōu)采樣 點(diǎn)，也就是骨架圖的頂點(diǎn)；
[0051] (4b)如果兩個(gè)delauney三角形相鄰，用線(xiàn)段連接它們的重心centeri和 centerj(i尹j，i, j = 1，2, · · ·，k)，其距離e^·為centeri和center』的歐幾里得距離；如果 兩個(gè)delauney三角形不相鄰，eg = + °° ;由center和e構(gòu)成骨架圖G ;
[0052] (4c)對(duì)于骨架圖G = (center，e)，我們把只有一條連接邊的重心點(diǎn)，定義為端點(diǎn)； 具有兩條連接邊的重心點(diǎn)，定義為連接點(diǎn)；具有三條或三條以上的連接邊的重心點(diǎn)，定義為 中心點(diǎn)。對(duì)骨架圖的端點(diǎn)進(jìn)行標(biāo)記，并按照順時(shí)針排序。
[0053] 步驟五：建立基于骨架圖的形狀描述符，提取特征向量。
[0054] (5a)以骨架圖的一個(gè)端點(diǎn)叫，i = 1，2, ...，t，作為頂點(diǎn)，計(jì)算該點(diǎn)到其它最優(yōu)采 樣點(diǎn)的距離與方向，轉(zhuǎn)化為極坐標(biāo)polar(r，Θ)，并進(jìn)行歸一化處理， r限定到（〇，1]，Θ 限定到η]。其中距離r是由Dijkstra算法搜索出來(lái)的該點(diǎn)到其它點(diǎn)的最短路徑， Di jkstra算法是由荷蘭科學(xué)家di jkstra提出的，采用廣度優(yōu)先搜索解決非負(fù)權(quán)有向圖最 短路徑問(wèn)題；角度Θ為兩點(diǎn)與平面的夾角。
[0055] (5b)按照shape context方法建立一個(gè)2-D的灰度直方圖，將距離作為橫坐標(biāo)進(jìn) 行m等分，角度作為縱坐標(biāo)進(jìn)行η等分，統(tǒng)計(jì)落入每個(gè)直方形區(qū)域最優(yōu)采樣點(diǎn)的個(gè)數(shù)h (k)， 并作歸一化處理。
[0056] hj (k) = # {C: (C-rij) e bin (k)}, k = 1, 2,. . . , m*n (1)
[0057] 本實(shí)驗(yàn)室中，設(shè)m為5，11為12。
[0058] (5c)對(duì)每一個(gè)端點(diǎn)，都進(jìn)行步驟（5a)和（5b)處理，得到骨架特征向量GSC = {hp h2, . . .，ht} (t為骨架圖端點(diǎn)的個(gè)數(shù)）。
[0059] Shape context方法是一種常用的提取圖形特征的方法，具有良好的尺度，旋轉(zhuǎn)不 變性。其具體實(shí)施步驟見(jiàn)于BelongieS，MalikJ和PuzichaJ于 2002 年在PAMI，IEEE Transactionson 發(fā)表的文獻(xiàn) Shape matching and object recognition using shape contexts。
[0060] 步驟六：計(jì)算任意兩個(gè)骨架結(jié)構(gòu)圖GSCi與GSC2的匹配代價(jià)矩陣。
[0061] (6a)假設(shè)<是骨架圖GSQ的一個(gè)端點(diǎn)，<是骨架圖GSC2的一個(gè)端點(diǎn)，根據(jù)X 2統(tǒng) 計(jì)原則，這兩點(diǎn)的匹配代價(jià)為：
[0062]

【權(quán)利要求】
1. 一種基于骨架圖的快速圖形匹配與識(shí)別的方法，其特征在于：包括如下步驟： (1) 依次讀入圖形數(shù)據(jù)集中的圖BSi，其中i = 1，2，...，N，N為數(shù)據(jù)中圖形的個(gè)數(shù)，利 用canny邊緣檢測(cè)算子分別對(duì)每一幅圖形Si進(jìn)行邊界處理，提取它們的輪廓Q ; (2) 對(duì)圖形的輪廓Q進(jìn)行順時(shí)針均勻采樣，得到等間隔的Μ個(gè)采樣點(diǎn)Pu，其中j = 1, 2,. . . , Μ ； (3) 將采樣點(diǎn)Ρυ作為三角形的各個(gè)頂點(diǎn)，根據(jù)受限delauney三角剖分原則，將圖形內(nèi) 部區(qū)域劃分為很多相鄰的小三角形區(qū)域； (4) 根據(jù)劃分后的三角形區(qū)域，計(jì)算出新的采樣點(diǎn)；利用這些新采樣點(diǎn)，構(gòu)建圖形的內(nèi) 部骨架圖； (5) 利用shape context方法，建立基于骨架圖的形狀描述符，提取特征向量； (6) 根據(jù)X 2統(tǒng)計(jì)原則，計(jì)算兩幅圖形骨架圖的匹配代價(jià)矩陣； (7) 采用dynamic programming的方法，得到圖形間的最小匹配代價(jià)和最佳匹配點(diǎn)； (8) 將圖形骨架圖旋轉(zhuǎn)60°，重復(fù)步驟陽(yáng)）、（7)，直到圖形旋轉(zhuǎn)一周； (9) 找到6次最小匹配代價(jià)的最小值作為最終的圖形相似度值。
2. 根據(jù)權(quán)利要求1所述的一種基于骨架圖的快速圖形匹配與識(shí)別的方法，其特征在 于：步驟（2)所述的"對(duì)圖形的輪廓Q順時(shí)針均勻采樣"，按如下步驟進(jìn)行： (2a)將圖形上的輪廓點(diǎn)從圖形左下角開(kāi)始按順時(shí)針排列，組成一個(gè)一維向量Q = {cn，ci2, · · ·，cim}，其中m是輪廓點(diǎn)的個(gè)數(shù)； (2b)從第一個(gè)點(diǎn)開(kāi)始每隔round(m/M)個(gè)點(diǎn)，采樣一個(gè)輪廓點(diǎn)Pi」，其中j = 1，2,. . .，M ; (2c)并將這Μ個(gè)采樣點(diǎn)沿著圖形輪廓的順時(shí)針排列。
3. 根據(jù)權(quán)利要求1所述的一種基于骨架圖的快速圖形匹配與識(shí)別的方法，其特征 在于：步驟（3)所述的"將圖形內(nèi)部區(qū)域劃分為很多相鄰的小三角形區(qū)域"，是根據(jù)受限 delauney三角刨分原則，倉(cāng)ij建一個(gè)受限的delauney三角網(wǎng)： (3a)將步驟⑵中的采樣點(diǎn)作為delauney三角的網(wǎng)格點(diǎn)，采樣點(diǎn)的排列順序作為 delauney三角的受限條件,劃分出三角形區(qū)域； (3b)保留圖形內(nèi)部的三角形，去除圖形外部的三角形。
4. 根據(jù)權(quán)利要求1所述的一種基于骨架圖的快速圖形匹配與識(shí)別的方法，其特征在于 步驟（4)所述的"計(jì)算出新的采樣點(diǎn)，構(gòu)建圖形的內(nèi)部骨架圖"，按如下步驟進(jìn)行： (4a)根據(jù)劃分的三角形區(qū)域trip其中i = 1，2，...，K，K為劃分后的三角形個(gè)數(shù)， 分別得到其各個(gè)頂點(diǎn)的坐標(biāo)Ρπ (X，y)，Pij(x, y)，和Pik(x, y);計(jì)算出每個(gè)三角形重心坐標(biāo) centerjx, y) = (Ρη(χ, y)+Pij(x, y)+Pik(x, y))/3,這些重心就是我們要得到的最優(yōu)采樣 點(diǎn)，也就是骨架圖的頂點(diǎn)； (4b)如果兩個(gè)delauney三角形相鄰，用線(xiàn)段連接它們的重心centeri和center』，其 中i關(guān)j，i，j = 1，2, · · ·，k，其距離eg為centei^和center』的歐幾里得距離；如果兩個(gè) delauney三角形不相鄰，= + °° ;由center和e構(gòu)成骨架圖G ; (4c)對(duì)于只有一條連接邊的重心點(diǎn)，定義為端點(diǎn)；對(duì)骨架圖的端點(diǎn)進(jìn)行標(biāo)記，并按照 順時(shí)針排序。
5. 根據(jù)權(quán)利要求1所述的一種基于骨架圖的快速圖形匹配與識(shí)別的方法，其特征在于 步驟（5)所述的"建立基于骨架圖的形狀描述符，提取特征向量"，按如下步驟進(jìn)行： (5a)以骨架圖的一個(gè)端點(diǎn)ni作為頂點(diǎn)，其中i = 1，2,. . .，t，計(jì)算該點(diǎn)到其它最優(yōu)采樣 點(diǎn)center的距離與方向，轉(zhuǎn)化為極坐標(biāo)polari ( Θ，r)，并進(jìn)行歸一化處理，r限定到（0, 1]， Θ限定到（-L η]，其中距離r是由Dijkstra算法搜索出來(lái)的該點(diǎn)到其它點(diǎn)的最短路徑， Di jkstra算法是由荷蘭科學(xué)家di jkstra提出的，采用廣度優(yōu)先搜索解決非負(fù)權(quán)有向圖最 短路徑問(wèn)題；角度Θ為兩點(diǎn)與水平面的夾角； (5b)按照shape context方法建立一個(gè)2-D的灰度直方圖，將距離作為橫坐標(biāo)進(jìn)行 m等分，角度作為縱坐標(biāo)進(jìn)行η等分，統(tǒng)計(jì)落入每個(gè)直方形區(qū)域最優(yōu)采樣點(diǎn)的個(gè)數(shù)匕(k)， hiGO = #{C: (C-nD e bin(k)}, k = 1，2, · · ·，m*n 并作歸一化處理； (5c)對(duì)每一個(gè)端點(diǎn)，都進(jìn)行步驟（5a)和（5b)處理，得到骨架特征向量GSC = IX，h2, . . .，ht},其中t為骨架圖端點(diǎn)的個(gè)數(shù)。
【文檔編號(hào)】G06K9/62GK104298990SQ201410469194
【公開(kāi)日】2015年1月21日 申請(qǐng)日期:2014年9月15日 優(yōu)先權(quán)日:2014年9月15日
【發(fā)明者】劉若辰, 焦李成, 朱彬彬, 熊濤, 王爽, 馬晶晶, 張向榮, 李陽(yáng)陽(yáng) 申請(qǐng)人:西安電子科技大學(xué)