基于分段多项式描述子和BP网络的形状识别方法
形状描述子在图像分类与识别应用中有着广泛的应用，因此，研究形状描述子是非常有意义的。本文构造了一类分段点在四进制有理数处的分段多项式函数系（简称QV 系统），它是一类L2(”0, 1”)上的完备的正交函数系，而且是短支撑的、具有多分辨特性。然后，用3 次QV 系统表示图像的轮廓线，提取QV 描述子，并证明QV 归一化描述子是一类平移、尺度、旋转不变量。最后，结合BP 神经网络对MPEG_CE-1 数据库中的图像进行仿真实验，结果表明QV 描述子是图像分类与识别应用中的一类有效的形状描述子，并优于Fourier 描述子。
图像分类 QV描述子 分段多项式 正交函数系 BP神经网络
熊刚强 齐东旭
中山大学信息科学与技术学院,广东广州 510275 广东医学院基础学院数学与计算机教研室,广东东莞 523808 中山大学信息科学与技术学院,广东广州 510275 澳门科技大学资讯科技学院,澳门
国内会议
广州
中文
148-152
2010-12-10（万方平台首次上网日期，不代表论文的发表时间）