基于Shape Context的字符识别算法介绍
2014-10-25 09:50
232 查看
SC算法广泛的应用于图像识别领域,其优点在于:
第一, 提取的特征点集为轮廓点集,点集性质好,改进余地大。
第二, 使用全局信息描述特征点,抗干扰性极强。
但是其缺点在于:由于使用全局信息,速度较SIFT算法慢。
该算法使用的特征点为目标的轮廓信息,因为目标轮廓信息对于人类的感知提供了重要信息,即使在较复杂的环境下,轮廓也往往比较突出,在有干扰的情况下,轮廓同样较稳定。
SC使用的特征点检测算法:
特征点即是通过目标的内部或外部轮廓上采样出的离散点集。这一过程由一个边缘检测器来检测目标而获得,如图:
SC特征点描述算法:
目标边缘点集
。接着,用形状上下文的方法定义特征点的描述子:若一个点集中有n个点,某点pi与其余n-1个点均存在一定的关系,因而产生了n-1个描述向量。如图所示:
这n-1个向量提供了丰富的信息,决定了目标的形状特征。n值越大,其包含的信息量也就越大。
点集中每个点的SC信息,也即是该点与点集中其他点的连线信息,使用这些信息形成一个直方图,也即SC算法所需的描述子。如下:
各区域划分方法是:对于任意点pi,以其为中心点,将该点分布的空间按照对数极坐标划分为12*5=60个部分。如上图,其中X轴有12个部分,表示角度的划分,也即是其它点与该点的连线按角度差划分为12份,每份为30度;Y轴的5个部分,表示对数距离lg(p)的划分,也即是其它点与该点的连线按距离长短划分为5个级别。其使用的距离是对数距离,离该点越远的区域越大。这样的方法避免了较远区域的作用被弱化,避免了较近局部区域的作用过于大,增加了全局信息的可靠性。如图:
如上图,每一个格子称为一个bin,我们记每个格子为bin(k),其中k=1,2,3,....60。则点pi的直方图信息表述为:
其中其中k=1,2,3,....60,#代表集合的势。
对于两个点集
归一化后的描述子为:
转载自:http://www.opencvchina.com/thread-142-1-1.html
第一, 提取的特征点集为轮廓点集,点集性质好,改进余地大。
第二, 使用全局信息描述特征点,抗干扰性极强。
但是其缺点在于:由于使用全局信息,速度较SIFT算法慢。
该算法使用的特征点为目标的轮廓信息,因为目标轮廓信息对于人类的感知提供了重要信息,即使在较复杂的环境下,轮廓也往往比较突出,在有干扰的情况下,轮廓同样较稳定。
SC使用的特征点检测算法:
特征点即是通过目标的内部或外部轮廓上采样出的离散点集。这一过程由一个边缘检测器来检测目标而获得,如图:
SC特征点描述算法:
目标边缘点集
。接着,用形状上下文的方法定义特征点的描述子:若一个点集中有n个点,某点pi与其余n-1个点均存在一定的关系,因而产生了n-1个描述向量。如图所示:
这n-1个向量提供了丰富的信息,决定了目标的形状特征。n值越大,其包含的信息量也就越大。
点集中每个点的SC信息,也即是该点与点集中其他点的连线信息,使用这些信息形成一个直方图,也即SC算法所需的描述子。如下:
各区域划分方法是:对于任意点pi,以其为中心点,将该点分布的空间按照对数极坐标划分为12*5=60个部分。如上图,其中X轴有12个部分,表示角度的划分,也即是其它点与该点的连线按角度差划分为12份,每份为30度;Y轴的5个部分,表示对数距离lg(p)的划分,也即是其它点与该点的连线按距离长短划分为5个级别。其使用的距离是对数距离,离该点越远的区域越大。这样的方法避免了较远区域的作用被弱化,避免了较近局部区域的作用过于大,增加了全局信息的可靠性。如图:
如上图,每一个格子称为一个bin,我们记每个格子为bin(k),其中k=1,2,3,....60。则点pi的直方图信息表述为:
其中其中k=1,2,3,....60,#代表集合的势。
对于两个点集
归一化后的描述子为:
转载自:http://www.opencvchina.com/thread-142-1-1.html
相关文章推荐
- 基于惯性大水滴滴水算法和支持向量机的粘连字符验证码识别
- 基于BP神经网络的简单字符识别算法自小结(C语言版)
- 基于BP神经网络的简单字符识别算法自小结(C语言版)
- 基于BP神经网络的简单字符识别算法自小结(C语言版)
- 基于opencv2.0的haar算法以人脸识别为例的训练分类器xml的方法 .
- 人类是如何识别物体的呢,和图像学中基于特征的算法有什么异同?
- MMSEG介绍及基于分类的中文分词算法遐想
- 连连算法介绍-示例基于android平台
- 简单的图像识别方法:基于灰度的模板识别算法
- OpenCV手写数字字符识别(基于k近邻算法)
- 基于opencv2.0的haar算法以人脸识别为例的训练分类器xml的方法
- 盘古分词-中文人名识别算法介绍
- 简单介绍基于颜色的阴影检测算法
- 基于rsync同步算法的文件同步系统JAVA实现(一)——项目介绍
- 基于opencv2.0的haar算法以人脸识别为例的训练分类器xml的方法
- 简单介绍基于颜色的阴影检测算法
- 基于opencv2.0的haar算法以人脸识别为例的训练分类器xml的方法
- 一种基于BP神经网络的车牌字符识别方法
- 基于opencv的haar算法以人脸识别为例的训练分类器xml的方法
- Deep Learning字符识别C++程序(基于RBM)