应用R变换和奇异值分解的剪纸纹样识别

doi:10.3778/j.issn.1002-8331.2011.02.044

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (2): 143-145.DOI: 10.3778/j.issn.1002-8331.2011.02.044

• 图形、图像、模式识别 • 上一篇下一篇

应用R变换和奇异值分解的剪纸纹样识别

王晓云¹，韦月琼²，李国祥³，秦芳远³，张显全³

1.长江师范学院数学与计算机学院，重庆 408100
2.广西广播电视监测中心，南宁 530022
3.广西师范大学计算机科学系，广西桂林 541004

收稿日期:2009-08-11 修回日期:2009-11-26 出版日期:2011-01-11 发布日期:2011-01-11
通讯作者: 王晓云

Paper cut-out patterns recognition using R-transform and SVD

WANG Xiaoyun¹，WEI Yueqiong²，LI Guoxiang³，QIN Fangyuan³，ZHANG Xianquan³

1.College of Mathematics & Computer Science，Yangtze Normal University，Chongqing 408100，China
2.Guangxi Administration of Radio and Television Monitoring Center，Nanning 530022，China
3.Department of Computer Science，Guangxi Normal University，Guilin，Guangxi 541004，China

Received:2009-08-11 Revised:2009-11-26 Online:2011-01-11 Published:2011-01-11
Contact: WANG Xiaoyun

摘要/Abstract

摘要： 首先对剪纸纹样进行R变换，求出峰值数，对R变换数据进行归一化处理，通过奇异值分解得到图像识别的特征向量，根据特征向量值和峰值数对剪纸纹样的识别。使用该方法提取到的特征向量具有平移、旋转和尺度不变性，能较好地识别有一定艺术夸张变形的剪纸纹样。

关键词: R变换, 奇异值分解, 特征提取, 纹样识别

Abstract: The paper-cut patterns are transformed by an R-transform.And then the result of R-transform is normalized.Through SVD eigenvector of image recognition can be gotten.The paper-cutting patterns are recognized according to the peak value and the characteristic vector.The experiment proves that this algorithm is invariant to rotation，scale and translation as well as suitable for the recognition of paper-cutting patterns.

Key words: R-transform, Sigular Value Decomposition（SVD）, feature extraction, patterns recognition

中图分类号:

TP391

王晓云¹，韦月琼²，李国祥³，秦芳远³，张显全³. 应用R变换和奇异值分解的剪纸纹样识别[J]. 计算机工程与应用, 2011, 47(2): 143-145.

WANG Xiaoyun¹，WEI Yueqiong²，LI Guoxiang³，QIN Fangyuan³，ZHANG Xianquan³. Paper cut-out patterns recognition using R-transform and SVD[J]. Computer Engineering and Applications, 2011, 47(2): 143-145.

[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]	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.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[5]	蔡冬丽，钟清华，朱永升，廖金湘，韩劢之. 三维输入卷积神经网络脑电信号情感识别[J]. 计算机工程与应用, 2021, 57(5): 161-167.
[6]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[7]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[8]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[9]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[10]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[11]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[12]	光睿智，安博文，潘胜达. 基于无锚框网络的航拍航道船舶检测算法[J]. 计算机工程与应用, 2021, 57(15): 251-258.
[13]	杨信民，董红斌，谭成予，周雯. 采用奇异值分解和信息增益的树突状细胞模型[J]. 计算机工程与应用, 2021, 57(15): 156-162.
[14]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[15]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.

应用R变换和奇异值分解的剪纸纹样识别

Paper cut-out patterns recognition using R-transform and SVD

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