[发明专利]一种基于几何图形特征点形状描述子的方法

摘要

一种基于新的几何不变量（称为特征数）的形状描述子，属于计算机视觉领域，是将全局特征和局部特征相结合的基于轮廓的形状描述子。对图像的凸包均匀取样，得到一系列的样本点。按照特征数的定义，样本点间依次选取三点得到一系列特征数值，构成一个特征向量，即该图像的形状描述子。该描述子充分利用了形状内部轮廓的信息，描述子的每一个分量所描述的内容能够覆盖形状的某一区域，提高对形状的描述能力和精确程度，并由于其本身为射影不变量，可适用于在多种几何变换，另外，对于不同程度噪声的干扰，也具有很强的稳定性。在匹配阶段，用首点匹配代替点对点的动态匹配，极大的提高了识别时间。基于特征数的形状描述子具有较强的紧致性，稳定性和较高的实用价值。

主权项

1.一种基于几何图形特征点形状描述子的方法，其特征包括以下步骤：第一步，定义特征数在射影空间中，P₁,P₂,…,P_r+1是r+1个互不相同的点，各边P_iP_i+1，(i=1,2,…,r+1,P_r+2=P₁)上存在互不相同的点L,定义所有的点为该三角形的特征点集；该三角形的特征点集中任意一点都可由其所在边的三角形顶点P_i,P_i+1线性表出，即：令P={Pi}i=1r+1,]]>Q={Qi(j)}i=1,2,···,r+1j=1,2···,n]]>则称CN(P,Q)=Πi=1rΠj=1nai(j)bi(j)---(1)]]>为P和Q的特征数，其中称为标架点；第二步，直线上特征点的选取与特征数当r=1时，P={P₁,P₂}且在直线P₁P₂上存在互不相同的点L,若n为偶数，则直线P₁P₂上第奇数个点可视作在有向直线P₁P₂上，第偶数个点在有向直线P₂P₁上，且L,为特征点集；则直线上的特征数记作：CN(P,Q)=Πi=1n2a1(2i-1)b1(2i)b1(2i-1)a12i---(2);]]>其中P={P₁,P₂}，Q={Qi(1),Qi(2),···,Qi(n)};]]>另外，当n为奇数时，则去除最后一个点后计算在直线上的特征数；对于直线上的特征数，记CN(P₁,P₂)=CN(P,Q)；第三步，三角形上特征点的选取与特征数当r=2时，P={P₁,P₂,P₃}且在各边P_iP_i+1(i=1,2,3,P₄=P₁)上存在不同数量的互不相同的点…,令n=min{n₁,n₂,n₃}，分别在每条边上选取距顶点P_i(i=1,2,3)最近的前n个点构成的集合称为△P₁P₂P₃的特征点集；则三角形上的特征数记作：CN(P,Q)=Πi=13Πj=1nai(j)bi(j)---(3);]]>其中P={P₁,P₂,P₃}，Q为三角形边上所有点的集合；对于三角形上的特征数，记CN(P₁,P₂,P₃)=CN(P,Q)。