視覺的底層處理ppt課件-資料下載頁
2025-05-03 06:49本頁面
【正文】 urier描述方法，他利用 Fourier級數(shù)表示區(qū)域邊界。這類基于頻域的描述方法，包含的系數(shù)越多，形狀特征的精確性也就越高。 特征提取與匹配 Fourier描述方法對于一般形狀的物體，僅僅取邊界曲線 Fourier展開式中幾個低階系數(shù)，就可以獲得較好的描述。 形狀和邊界描述，對于物體識別起著特別重要的作用。 一般來說，特征可分為形狀特征，如角點；參考特征，如矩特征。角點、曲線拐點等特征點是非常重要的特征， The和 Chin分析和比較了幾個特征檢測算法，發(fā)現(xiàn)基于高曲率處關(guān)鍵點檢測算法對于平緩過渡的拐點就不能檢測出來（如圓弧與直線的相切點）。 為此，這里介紹一種自適應檢測關(guān)鍵特征點方法。如圖 。 特征提取與匹配 圖 關(guān)鍵特征點提取過程 （ a）邊界輪廓圖 （ b）曲率信號圖 （ c）曲率信號濾波結(jié)果 （ d）特征點提取 特征提取與匹配 其中圖（ a）是圖（ b）的曲率信號圖。顯然，基于該曲率的信號變化提取關(guān)鍵特征點是較困難的，有必要先對該曲率進行濾波，濾除噪聲信號，然后根據(jù)曲率信號的峰和谷，過零檢測相應特征點。 下面是曲率信號的濾波過程： 假設 I0（ s）為濾波平滑前曲率信號， It（ s）為曲率信號經(jīng) t次迭代濾波的輸出信號，其定義為： 其中 C（ s+i）為相應 I（ s+i）變化的權(quán)系數(shù)，在區(qū)域邊界點 C（ s+i）接近 0，在區(qū)域內(nèi)部 C（ s+i)為 1，若屬于不同區(qū)域的兩點只能取平均。然而區(qū)域的邊界并不確定，根據(jù)鄰近曲率的估計， C（ s）可用下式表示： 特征提取與匹配 特征提取與匹配 匹配 特征提取與匹配 特征提取與匹配 特征提取與匹配 特征提取與匹配
教學課件相關(guān)推薦
鄂ICP備17016276號-1