[发明专利]用于自动形状分类的方法

说明书

技术领域

本发明通常涉及形状分析技术，尤其涉及对图像中的2 D形状进行自动分类的技术。

背景技术

不考虑其位置、尺寸和方向的二维(2D)形状的分类在计算机视觉和图案识别中是重要的问题。其应用正扩展至许多领域，诸如血细胞、癌和染色体的分类、工业检查、目标识别、医学图像识别、景象分析以及生物系统建模。通常，形状分类是通过分析形状的边界信息来比较和识别形状的过程。这对人类看起来是一项容易的任务，但是对于计算机却相当困难，尤其在对象被缩放、旋转和/或平移以后。因此，为了一般对象分类、识别或者检索目的的形状研究是当前研究的活跃领域。

近来的一些文献已经着手处理该论题，并且已经应用了各种图像处理方法。这些方法基本上可以划分为两种技术。

第一种技术需要投影形状实例至公共空间，然后在投影空间上执行分类。例如：傅立叶描述符(E.Persoon等人的″使用傅立叶描述符的形状鉴别(shape discrimination using Fourierdescriptors)″IEEE Trans.Syst.Man.Cybern，vol.7，p170-179，1977)、不变矩(F.Zakaria等人的″矩不变量的快速计算算法(Fast algorithm for computation of moment invariants″)，图像识别(Pattern Recognition)，vol.20，p639-643，1987)、自回归模型(S.R.Dubois等人的″二维形状分类的自回归模型方法(Anautoregressive model approach to two-dimensional shapeclassification)″，IEEE Trans.Pattern Analysis and MachineIntelligence，vol.8 p55-66，1986)和主成分分析(美国专利号No.2002/0164060A1，标题为“表征医学图像形状的方法”(METHOD FORCHARACTERISING SHAPES IN MEDICAL IMAGES))。

这些基于投影的方法的优点在于它们与平移和旋转无关。然而，缺点在于，由于投影变换不是一一对应的因此它们显示出固有的信息丢失。即，投影空间中的一个点可以对应于视觉外观非常不同的几种形状。因此，基于这种技术的形状分类可能会得出错误结果。

第二种技术包括：沿着形状边界定位一组界标点；规定相应界标之间的距离度量；和执行基于距离的分组。这样，形状分类就简化为已经提出许多解决方案的一般的分组问题。例如：M.Duta等人提出了一种使用平均对准误差(MAE)作为距离来度量形状差别并基于MAE对形状进行分类的方法(M.Duta等人″2D形状模型的自动构建(Automatic Construction of 2D Shape Models)″，IEEE Trans.on Pattern Analysis and Machine Intelligence，vol 23，no.5，p433-446，2001)。标题为“用于自动形状表征的方法和设备”(METHODAND APPARATUS FOR AUTOMATIC SHAPE CHARACTERIZATION)的美国专利No.6,611,630和标题为“用于图象配准的方法和设备”(METHODAND APPARATUS FOR IMAGE REGISTRATION)的美国专利No.6,009,212提出了一种基于与特征人群的平均形状的最佳匹配概率对形状进行分类的方法。该技术的局限性在于，在实践中由于个体中的噪声和偏差使得形状界标之间的成对对应难以实现。

由于现有技术的缺陷和局限性，因此需要一种方法以找到简单、有效且高度准确的形状分类方法。

发明内容

本发明的目标是提供一种用于2D形状分类的自动方法。

根据本发明的一个方面，通过提供一种用于分类2D形状的自动方法来实现该目标。所述方法包括若干步骤。为所研究的形状创建训练数据集。所述训练数据集包括两个数据组：相似形状组和相异形状组。产生训练数据集中每个形状的多边形近似，从相似形状组中计算平均形状。将数据库中形状对准所述平均形状，并输出它们的相似性距离。得到相似性距离的分布，并基于它们的距离将所述形状分类成两个分组(cluster)。