基于轮廓的形状射线描述模型

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (3): 206-210.

基于轮廓的形状射线描述模型

戚文静1，2，徐功文1，许丽娜1

1.山东建筑大学计算机科学与技术学院，济南 250101
2.山东泰华电讯有限公司博士后工作站，济南 250101

出版日期:2016-02-01 发布日期:2016-02-03

Ray shape model based on contour

QI Wenjing1，2, XU Gongwen1, XU Lina1

1.School of Computer Science and Technology, Shandong Jianzhu University, Jinan 250101, China
2.Post-doctoral Scientific Research Station, Shandong Taihua Telecommunication Co., Ltd, Jinan 250101, China

Online:2016-02-01 Published:2016-02-03

摘要/Abstract

摘要： 提出一种新的基于轮廓的形状描述和匹配方法。提取物体的轮廓并在轮廓上进行等间隔采样，利用参考点到采样点的距离、采样点处的轮廓方向及采样点间的空间关系来直观地表达目标的形状特征；通过在不同尺度、方向和位置进行最大表决来获得形状匹配的尺度、旋转和平移不变性；提出了结合局部和整体特征的相似度评分机制来实现目标的匹配和检测。实验表明，形状的射线描述模型不仅能对具有清晰轮廓的目标进行有效的检索和匹配，也可在复杂的图像背景中检测目标。

关键词: 射线描述模型, 形状匹配, 目标检测, 最大表决, 变换不变性

Abstract: A novel contour-based shape descriptor and shape matching method is proposed. Contour is extracted and points are evenly sampled on the contour. Distances between reference point and sample points, directions of contour on sampling points and the spatial relations between sampling points are used to represent the shape characteristics. Then scale, rotation and translation invariance on shape matching are obtained through maximum voting on different scales, orientations and positions. A similarity scoring scheme that integrates local and global features is proposed to perform object matching and detection. The experimental results show that ray shape model can be used in shape matching for objects with clear contours and detecting objects in complex images.

Key words: ray shape model, shape matching, object detection, maximum voting, transformation invariance

戚文静1，2，徐功文1，许丽娜1. 基于轮廓的形状射线描述模型[J]. 计算机工程与应用, 2016, 52(3): 206-210.

QI Wenjing1，2, XU Gongwen1, XU Lina1. Ray shape model based on contour[J]. Computer Engineering and Applications, 2016, 52(3): 206-210.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[3]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[4]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[5]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[6]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[7]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[8]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[9]	李震霄，孙伟，刘明明，郑丽丽，陈劭颖. 交通监控场景中的车辆检测与跟踪算法研究[J]. 计算机工程与应用, 2021, 57(8): 103-111.
[10]	董旭彬，赵清华. 改进Mask R-CNN在航空影像目标检测的研究应用[J]. 计算机工程与应用, 2021, 57(8): 133-144.
[11]	马巧梅，王明俊，梁昊然. 复杂场景下基于改进YOLOv3的车牌定位检测算法[J]. 计算机工程与应用, 2021, 57(7): 198-208.
[12]	侯旋，薛飞，陈涛. 无人机目标检测量子多模式识别优化算法[J]. 计算机工程与应用, 2021, 57(7): 228-236.
[13]	沈新烽，姜平，周根荣. 改进SSD算法在零部件检测中的应用研究[J]. 计算机工程与应用, 2021, 57(7): 257-262.
[14]	刘紫燕，袁磊，朱明成，马珊珊，陈霖周廷. 融合SPP和改进FPN的YOLOv3交通标志检测[J]. 计算机工程与应用, 2021, 57(7): 164-170.
[15]	云旭，宋焕生，梁浩翔，侯景严，戴喆. 基于深度学习的关键岗位人员行为分析系统[J]. 计算机工程与应用, 2021, 57(6): 225-231.