基于轮廓关键点集合的形状分类方法CCPS.rar

简介：
本资源提供了一种新颖的形状分类技术——基于轮廓关键点集合的分类方法（CCPS），旨在通过提取和分析对象轮廓的关键特征来实现高效的形状识别与分类。 杨小军, 杨兴炜, 曾 峦, 刘文予. 基于轮廓关键点集的形状分类[J]. 南京大学学报(自然科学版), 2010, 46(1): 47-55. 形状分析是计算机视觉领域的经典问题，已有大量关于形状分类的研究。然而，在处理大的非线性失真特别是结构上的或关联性的失真时，许多现有的方法往往无法有效应对。为此，我们提出了一种基于轮廓关键点集（contour critical point sets, CCPS）的形状分类新方法。 在该方法中，轮廓关键点特征通过其inner-distance形状上下文（IDSC）来表征。这种局部点的全局特征信息不仅反映了局部特性还体现了整体结构，并且对遮挡、非线性失真等具有良好的鲁棒性。我们巧妙地构建了关键点的特征向量，并以此为基础，分别针对形状轮廓关键点集、形状类和全体样本进行了三级贝叶斯分类建模。 实验结果表明，这种基于视觉部分全局特性及三级贝叶斯分类的方法对非线性失真、类别内部变异、结构变化以及遮挡等问题具有良好的鲁棒性。在Kimia数据库上的测试中达到了100%的准确率，并且仅用8秒时间就完成了所有108个形状样本的分类，这标志着该方法目前为最优性能之一；同时，在MPEG-7标准库上也取得了令人满意的分类效果。