基于分段多项式描述子和BP网络的形状识别方法

• 作 者: 熊刚强[1]齐东旭[2]
• 机 构: 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
• 出 处: 第十五届全国图象图形学学术会议
• 发表日期: 2010年期

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。