一种鲁棒的形状分类方法
为解决复杂形状图像的分类问题，提出一种新的形状图像分类方法。本方法将二雏的形状图像转化为一维曲线来避免复杂费时的轮廓提取与跟踪算法，对一维曲线做傅立叶变换，提取鲁棒的具有旋转不变性的特征，利用这些特征采用支持向量机对形状图像分类。本算法得到的特征具有旋转伸缩平移不变性，对噪声，形状的局部变形和丢失及形状轮廓不封闭的情形比较鲁棒，适用于复杂形状图像分类。实验结果表明本方法的分类率，鲁棒性和运行速度优于通用傅立叶描述子。
傅立叶描述子 形状分类 归一化 极坐标变换 图像分类
郭芬红 熊昌镇
中山大学信息科学与技术学院，广州 510275 北方工业大学理学院，北京 100144 北方工业大学机电工程学院，北京 100144
国内会议
北京
中文
78-82
2009-09-01（万方平台首次上网日期，不代表论文的发表时间）