基于弦长位置矩阵的目标识别

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (1): 184-188.

基于弦长位置矩阵的目标识别

柴华1，杨明强2

1.国家知识产权局专利局专利审查协作北京中心，北京 100190
2.山东大学信息科学与工程学院，济南 250100

出版日期:2015-01-01 发布日期:2015-01-06

Object recognition based on chord location matrix

CHAI hua1, YANG Mingqiang2

1.Patent Examination Cooperation Center of the Patent Office, SIPO, Beijing 100190, China
2.College of information Science and Engineering, Shandong University of Science and Technology, Jinan 250100, China

Online:2015-01-01 Published:2015-01-06

摘要/Abstract

摘要： 为了提取具有仿射不变性的形状特征，提出一种具有仿射不变性的弦长位置矩阵算法。该算法将各个方向的弦长的位置以及同一位置上不同长度的弦长排序信息作为特征量，以构造弦长位置矩阵，作为目标形状的特征信息，并利用动态空间弯折距离作为测度距离。实验结果表明，应用提出的弦长位置矩阵作为形状特征对于仿射变换具有鲁棒性。

关键词: 弦长位置, 仿射不变, 特征提取

Abstract: To improve the affine invariance of features of shape, the chord location matrix algorithm is proposed. The chords location can be determined by affine invariance ratio of the closed areas. The chords location in all directions and sorting information of chords with different length on same position can construct chord location matrix as the feature vectors. The Dynamic Space Warping（DSW） algorithm proposed is used as similarity measure. Experimental results show that the approach is robust to affine transformation.

Key words: chord location, affine invariance, feature extraction

柴华1，杨明强2. 基于弦长位置矩阵的目标识别[J]. 计算机工程与应用, 2015, 51(1): 184-188.

CHAI hua1, YANG Mingqiang2. Object recognition based on chord location matrix[J]. Computer Engineering and Applications, 2015, 51(1): 184-188.

[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]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.
[15]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.