改进形状上下文特征代价矩阵的快速计算

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (34): 212-215.

• 图形、图像、模式识别 • 上一篇下一篇

改进形状上下文特征代价矩阵的快速计算

李珊珊1，杜少文2

1.长安大学电子信息工程系，西安 710064
2.长安大学道路工程系，西安 710064

出版日期:2012-12-01 发布日期:2012-11-30

Fast computation for cost matrix of improved shape context feature

LI Shanshan1, DU Shaowen2

1.Department of Electric Information Engineering, Chang’an University, Xi’an 710064, China
2.Department of Road Engineering, Chang’an University, Xi’an 710064, China

Online:2012-12-01 Published:2012-11-30

摘要/Abstract

摘要： 形状上下文特征的最大缺憾在于不具备旋转不变性。为了解决这个问题可以采用二维或一维傅里叶变换来解决，然而这样改进会增加特征提取和匹配的运算时间。鉴于傅里叶变换的对称性，对于改进后的形状上下文特征在特征匹配步骤，提出代价矩阵的快速算法，能够减少运算时间。形状点集匹配的实验结果验证了这种新算法的有效性。

关键词: 形状上下文特征, 傅里叶变换, 代价矩阵

Abstract: Shape context feature is not rotation invariant. Thus 2-D or 1-D Fourier transformation has been performed on the feature as improvement. But the improvement will increase the time complexity of feature extraction and matching. Based on the property of Fourier transformation, a fast and efficient method is presented in the cost matrix computation of these improved shape context features. Shape point matching experiment shows the efficiency and effectiveness of the new algorithm.

Key words: shape context feature, Fourier transformation, cost matrix

李珊珊1，杜少文2. 改进形状上下文特征代价矩阵的快速计算[J]. 计算机工程与应用, 2012, 48(34): 212-215.

LI Shanshan1, DU Shaowen2. Fast computation for cost matrix of improved shape context feature[J]. Computer Engineering and Applications, 2012, 48(34): 212-215.

[1]	胡青渝，刘广臣. DBN在蛋白质编码区识别问题中的应用研究[J]. 计算机工程与应用, 2020, 56(4): 247-255.
[2]	胡章芳，刘鹏飞，蒋勤，罗飞，王明丽. 基于3DC-BGRU的脑电情感识别[J]. 计算机工程与应用, 2020, 56(20): 111-117.
[3]	庄陵，童开蒙，王凯. 应用MDFT结构的认知无线电频谱感知方法[J]. 计算机工程与应用, 2018, 54(2): 82-86.
[4]	杨梅，谭泽富，蔡黎. 基于自适应形状上下文特征的实时杆号识别[J]. 计算机工程与应用, 2018, 54(12): 187-191.
[5]	彭自然1，王国军1，2. 基于MPSoC平台小波变换并行算法研究[J]. 计算机工程与应用, 2017, 53(4): 33-38.
[6]	刘锦怡1，张乐1，2，胡海波1，2，朱贺3. 强鲁棒性的可穿戴传感器的人体动作识别方法[J]. 计算机工程与应用, 2017, 53(4): 176-183.
[7]	罗三定，涂宙霖，田光亚. 基于频率谱处理的瓷砖纹理分类方法[J]. 计算机工程与应用, 2017, 53(4): 184-188.
[8]	马垒1，赵拥军1，赵闯1，朱健东2. STLFMCW信号的周期FRFT检测与参数估计[J]. 计算机工程与应用, 2017, 53(1): 134-141.
[9]	赵其鹏1，孙永宣1，洪艳2，姚婷婷1，谢昭1. 结构先验约束下的实时多目标跟踪[J]. 计算机工程与应用, 2016, 52(4): 174-180.
[10]	苗敏敏，周治平. 手势认证中基于能量熵的端点检测方法研究[J]. 计算机工程与应用, 2016, 52(4): 205-210.
[11]	李玲，罗正平，杨天奇. 能量图空间分解法和DSW相结合的步态识别[J]. 计算机工程与应用, 2016, 52(3): 127-132.
[12]	左博1，2，王福亮1，2. 傅里叶重建图像法检测磁片表面刀纹缺陷[J]. 计算机工程与应用, 2016, 52(3): 256-260.
[13]	徐少飞，刘政怡，桂斌. 基于循环核矩阵的自适应目标跟踪算法[J]. 计算机工程与应用, 2016, 52(20): 177-181.
[14]	高浩然1，潘晨1，沈丹2，侯庆岑1，章东平1. 模拟注视眼动的多聚焦彩色图像融合[J]. 计算机工程与应用, 2016, 52(2): 197-204.
[15]	刘顺兰1，汪佳丽2. 改进的基于DFT的OFDM系统信道估计算法[J]. 计算机工程与应用, 2016, 52(19): 117-121.

改进形状上下文特征代价矩阵的快速计算

Fast computation for cost matrix of improved shape context feature

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics