輪廓線形狀的多尺度描述及其在植物葉片圖像檢索中的應用

葉夢婕

摘要：就輪廓線上某一點，距離其較近的點對識別分類比距離較遠的點的貢獻更大，因而，描述子應增強細節描述能力。該文采用一種稀疏策略，提出了基于輪廓線形狀的多尺度稀疏描述子（SSM）。該描述子不僅滿足平移、旋轉、尺度變換的不變性，而且雙邊對稱。同時，在一定程度上克服了時空復雜度這一經典矛盾問題。將該文提出的算子應用于我們自己采集的葉形數據庫中。并與相關的描述子進行對比，實驗結果表明，SSM的性能更優。

關鍵詞：輪廓線形狀；多尺度稀疏描述子

中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）29-6942-03

1 概述

計算機視覺與模式識別的重點是形狀描述。形狀描述方法主要分為兩種，一種是基于區域的描述方法，另一種是基于輪廓線形狀的描述方法[1]。基于區域的方法需要獲取形狀區域中所有的像素點，計算復雜度高且存儲量大。基于輪廓的方法通常僅需獲取輪廓線形狀的像素點[2]，易于提取、易于保存[4]；輪廓線形狀的辨識度最高[5]、往往僅通過輪廓線形狀就能對目標進行識別。

多尺度描述子是輪廓線形狀描述方法中是最具潛力的方法[6]。隨著對形狀特征地逐級提取，多尺度描述子實現了對輪廓線形狀由局部細節到全局概貌的描述[7]，這一優勢恰與當前將形狀的整體特性與局部特性有效地結合起來的主流思路相符。其次，通過對輪廓線形狀的逐級描述，獲取不同級別上輪廓信息，這些信息的結合，大大增強了其描述能力。……