[发明专利]一种多边形轮廓相似度检测方法

说明书

本发明公开了一种多边形轮廓相似度检测方法，包括消除图形中的奇化部分；建立两图形的数学模型，由描述图形的完备向量组建立与图形对应的特征矩阵，计算出相邻两边的夹角；计算两图形间的最近距离；对计算结果的增强性处理。本发明提高了机器对图形相似度的视觉分辨效果，尤其对人工不易分辨高相似度图形的难点有很大帮助；图形检测效果有较强的稳定性和可靠性；检测时间短，运行高效，实施效果成本低。本发明仅对图形的边进行查询，减少了数据处理量。本发明通过构造图形的特征矩阵，选取合适的判定准则，并对特征矩阵元素进行多次增强性非线性变换，用多数值、多标准的加权平均值建立相似度标准，达到了算法高效并有较强的稳定性。

技术领域

本发明属于计算机数字化和图形技术领域，尤其涉及一种多边形轮廓相似度检测方法。

背景技术

对图形的认知与理解是人类获取外部信息并做出判断和反映的重要基础。其中，自动识别图形的相似性是实现提高人类视觉认知效率和拓展智能化认知领域的重要技术之一。它广泛应用于工业技术、图形图像处理、模式识别和人工智能领域，对我们的日常生活起着未知的深远影响。开发出一套图形相似度识别技术是十分必要的。随着计算机数字化和图形技术的日益发展，图形几何特征信息的数字化处理效率也得到了很大提高。合理、高效的算法和环境平台的支持，也使得研究具有充分的可行性。

现有的图形相似度常用识别方法有概率统计算法、特征值的最小均方误差和几何外观特征必要条件的加权平均算法等。虽然取得了一定的效率，但也存在一些不足：算法的实现过程和视觉分辨的匹配性不直观；算法复杂，导致数据处理量大，运行成本高；算法的平均性分析导致图形中重要几何特征的变化对整体相似度的影响，导致准确性和稳定性存在一定偏差。

发明内容

本发明的目的在于提供一种多边形轮廓相似度检测方法，旨在解决现有的图形相似度常用识别方法实现过程和视觉分辨的匹配性不直观，算法复杂，导致数据处理量大，运行成本高，导致准确性和稳定性存在一定偏差的问题。

本发明是这样实现的，一种多边形轮廓相似度检测方法，所述多边形轮廓相似度检测方法消除图形中的奇化部分；建立两图形的数学模型，由描述图形的完备向量组建立与图形对应的特征矩阵，计算出相邻两边的夹角；计算两图形间的最近距离；对计算结果的增强性处理。

进一步，所述建立的数学模型用多边形的边长和邻角按逆时针构造一个向量S₁表示多边形：

S₁＝(l₁,α1,l₂，α₂…l_N-1,α_N-1,l_N,α_N)；

S₁和该多边形有一一映射关系，其表示与边角初始顺序无关。

进一步，所述完备向量组，按逆时针方向，有2N个向量S₁、S₂……S_2N－1、S_2N和多边形均有一一映射关系，构成了该多边形的一个完备向量组，表示如下：

S₁＝(l₁,α₁,l₂，α₂…l_N-1,α_N-1,l_N,α_N)；

S₂＝(α₁,l₂，α₂…l_N-1,α_N-1,l_N,α_N,l₁)；

……