论文部分内容阅读
傅里叶描述子是物体轮廓分类的重要方法,当前大多数研究只利用了其幅值特征,不能满足轮廓分类的精确度要求。针对这一问题,提出了三种融合傅里叶描述子幅值和相位特征的方法对轮廓进行分类,对三种融合方法的准确性进行了比较。实验表明,基于像素级的融合方法对轮廓分类最为有效,相比于只采用幅值特征的方法准确率提高了10%,但需要的特征向量维数大大增加,判别的时效性有所降低。通过像素级融合的傅里叶描述子与曲率尺度空间描述子以及形状上下文特征在目标识别应用中的比较可以看出,傅里叶描述子具有较高的时效性。