[发明专利]形状比较装置和方法

说明书

发明领域

该发明涉及一种形状比较装置和形状比较方法，尤其涉及基于轮廓分解与对应的形状识别和比较的装置和方法。

背景技术

在许多应用领域如娱乐、商业、艺术以及工程技术领域，图像的应用变得越来越重要，而且，图像的数目也日益增大，因此，图像识别和基于内容的图像检索在近年来已成为一个重要的研究领域。在图像识别和检索中，其根本问题就是图像比较技术。目前，人们通常采用三种特征对图像进行识别和检索，即：形状、颜色和纹理。近来，一个关于图像检索认知方面的调查显示，人们更倾向于采用形状而不是颜色和纹理对图像进行检索。尽管目标对象的形状信息能够对图像检索和识别提供强有力的支持，然而，目前我们却无法理解人类是如何轻而易举的获取图像对象的内容并基于此进行识别的，所以，依据人类的认知方法进行自动化的检索和识别尚不可行。因此，如何充分有效的描述图像对象的形状特征仍是一个亟待解决的课题。

在许多视频信息处理系统中，如计算机视觉、模式识别及机器人系统，形状匹配都属于核心的问题。形状匹配的应用领域包括工业制品监测、指纹匹配、图像识别以及基于内容的图像检索等。为解决形状匹配中的难题，许多学者已经提出了一些不同的方法。

作为现有的一种形状特征，傅立叶描述子基于频域特征来表达形状轮廓，参见[非专利文档-1]。该方法对图像对象的轮廓作傅立叶变换，并利用变换系数来描述图像对象。然而，傅立叶描述子本身不具有仿射不变的特性。因此，常用的策略是通过抛弃变换结果中的相位信息来达到旋转和起点不变的目的，尺度不变形则通过对变换系数的幅值进行归一化来实现。在相似度计算时，一般通过欧式距离测度来实现。

最为另一种形状特征，Farzin Mokhtarian(参见[非专利文档-2])提出了曲率尺度空间法(Curvature Scale Space，简称CSS)来提取形状特征，该方法在不同的尺度下计算轮廓线的曲率，并根据这些曲率信息来构建形状特征，从而实现了仿射不变性和较好的抗噪性。然而，该方法仅以图像的轮廓作为处理对象，没有考虑轮廓所包含的内容，因此，得到的特征不全面，用这种特征来匹配图像，往往不能得到满意的效果。

在[专利文档-1]中，利用检测到的感兴趣片断的形状属性来表达图像的内容。该方法通过分析图像中的每个片段自动检出一个或者多个从认知上来说比较重要的单元，并利用傅立叶描述子来表达这些单元。通过重复上述过程，图像被转化成一个特性片断集合。基于这些片断的形状特征，该技术可以用于对图像进行存档和检索。

在[专利文档-2]中，为解决姿态旋转下的模式匹配问题，提出了基于顶点区域的匹配方法。首先，用多边形来近似对象模式的内外轮廓，并从中确定具有代表性的多边形顶点来描述模式的姿态旋转。匹配时，通过多边性的顶点而不是基于像素的方式来确定两个多边形的共同区域，从而，得到两个形状的相似度。

在[专利文档-3]中，提出了多尺度空间的方法来描述对象的形状。为了识别一个轮廓曲线，该方法采用一种循环的参数和变换过程来生成一组相互独立的傅立叶描述集，并基于这个描述集空间来表达目标对象的轮廓。据称，基于傅立叶描述集的这种方法能实现有效的识别和压缩。

上述的这些基于全局属性的方法往往不能有效地表达形状的感知特性。近年来，人们把更多的研究重心转移到了基于局部属性的方法，例如：边缘、角点等。这些方法的基本思路为首先从目标对象中提取出从视觉上来说比较重要的部分，接下来，找出与两个目标对象对应的重要部分的对应关系，并基于此计算相似度。

参见[非专利文档-3]，Milios和Petrakis根据轮廓上的折点将输入的轮廓形状分割为有序的凹/凸曲线段，并通过建立这些凹/凸曲线段的对应关系计算两个轮廓的相似度。相邻曲线段的合并操作在匹配过程中占有重要的地位，然而，在该方法中，合并操作只能在预先定义的规则下进行。除此之外，各曲线段的几何描述特征也并非十分有效。

[非专利文档-1]H.Kauppinen，T.Seppanen，and M.Pietikainen，“An Experimental Comparison of Autoregressive and Fourier-based Descriptors in 2-D Shape Classification，”IEEE Transaction on Pattern Analysis and Machine Intelligence，vol.17，pp.201-207，1995.