專利名稱：一種檢索相似性形狀的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及對(duì)形狀進(jìn)行檢索，具體涉及一種檢索相似性形狀的方法。
背景技術(shù)：
形狀匹配/檢索是計(jì)算機(jī)視覺中的一個(gè)非常重要的問題。現(xiàn)有許多種不同的形狀匹配方法，并且在提高匹配精度上取得了一定的進(jìn)展。然而，幾乎所有這些方法都重點(diǎn)專注于兩兩形狀之間的相似性度量，試圖通過提出更合理的形狀描述子和匹配算法，從而更好的度量?jī)蓚€(gè)形狀之間的相似性或距離。這些方法都基于一個(gè)典型的觀點(diǎn)，兩個(gè)形狀越相似，它們之間的差異就越小，這個(gè)差異通常由距離函數(shù)來度量。然而，這一觀點(diǎn)忽視了一個(gè)事實(shí)對(duì)于形狀而言，有些同類形狀之間的差異可能很大，而有些不同類形狀之間的差異可能反而相對(duì)較小。這種現(xiàn)象由形狀的復(fù)雜性引起，由于同類形狀間的遮擋、扭曲或非剛性的形變等，同類的形狀可能有很大的區(qū)別。換言之，對(duì)于區(qū)別很大的同類形狀而言，無論如何改進(jìn)形狀描述子或匹配算法，都不可能對(duì)本來差異就很大的兩個(gè)形狀進(jìn)行很好的度量和比較，使得它們很相似。雖然這種差異可能不是形狀之間的本質(zhì)區(qū)別，但卻難以消除。要解決這個(gè)問題，需要對(duì)目前單純從兩個(gè)形狀本身的特性出發(fā)進(jìn)行相似性度量的思路進(jìn)行改進(jìn)?！皟?nèi)距離形狀上下文”是近年來提出的一種很有效的形狀描述子。它對(duì)于同類形狀的非剛性變化具有較強(qiáng)的穩(wěn)定性。在本發(fā)明的系統(tǒng)中，形狀描述子使用內(nèi)距離形狀上下文。 內(nèi)距離形狀上下文的具體內(nèi)容，在HaibinLing和David W. Jacobs所著、2007年發(fā)表在期刊 “IEEE Transactions onPattern Analysis and Machine Intelligence"26 11 M 上的文章"ShapeClassification Using the hner-Distance” 中有詳細(xì)介紹。動(dòng)態(tài)規(guī)劃方法是運(yùn)籌學(xué)的一個(gè)分支，是解決多階段決策過程的一種數(shù)學(xué)方法。近年來，動(dòng)態(tài)規(guī)劃方法在形狀匹配、形狀檢索中取得了廣泛的應(yīng)用。在本發(fā)明中，對(duì)形狀進(jìn)行匹配使用動(dòng)態(tài)規(guī)劃方法。關(guān)于動(dòng)態(tài)規(guī)劃方法在形狀匹配中應(yīng)用的內(nèi)容，在Evangelos Milios 和 Euripides G. Μ. Petrakis 所著、2000 年發(fā)表在期刊"IEEE Transactions on Image Processing，，第 9 卷第 1 期上白勺文章“Shape Retrieval Based on Dynamic Programming"中有詳細(xì)的介紹。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種檢索相似性形狀的方法，該方法可以提高形狀檢索的準(zhǔn)確率。本發(fā)明提供的一種檢索相似性形狀的方法，包括下述步驟(1)提取輸入查詢圖像和數(shù)據(jù)庫中待檢索圖像的形狀輪廓，查詢圖像稱之為查詢形狀，待檢索圖像稱之為待檢索形狀；(2)在步驟(1)所提取的查詢形狀和待檢索形狀的基礎(chǔ)上，計(jì)算每個(gè)形狀輪廓的特征，也就是描述子；(3)在步驟( 計(jì)算得到的形狀特征的基礎(chǔ)上，對(duì)于輸入的查詢形狀和數(shù)據(jù)庫中的待檢索形狀所組成的形狀集合，對(duì)集合中的任意兩個(gè)形狀之間進(jìn)行匹配，求出其兩兩之間的不相似性度量值，根據(jù)這些不相似性度量值組成一個(gè)不相似性度量矩陣；(4)根據(jù)步驟C3)求得的不相似性度量矩陣，計(jì)算查詢形狀跟數(shù)據(jù)庫中任意一個(gè)待檢索形狀之間的相似度；(5)基于步驟中求得的輸入查詢形狀跟數(shù)據(jù)庫中所有待檢索形狀之間的相似度，確定檢索輸出結(jié)果。本發(fā)明具備如下性質(zhì)(1)取代了以前只計(jì)算每一對(duì)形狀的相似度的方式，更多地利用了由已知所有形狀組成的流形；( 沒有顯性地學(xué)習(xí)流形或測(cè)地線，因?yàn)檫@一計(jì)算耗費(fèi)比較大。一個(gè)更好的相似度通過查詢形狀向數(shù)據(jù)庫中待檢索的形狀傳遞相似度來得到。在具體實(shí)施方式
部分將對(duì)本發(fā)明的效果作進(jìn)一步的說明。


圖1是本發(fā)明輸入的測(cè)試圖像示例；圖2是形狀輪廓抽樣點(diǎn)及內(nèi)距離示意圖，㈧輪廓采樣點(diǎn)示意圖，⑶形狀的內(nèi)距離示意圖，(C)局部形狀的內(nèi)距離示意圖；圖3是內(nèi)角度示意圖；圖4是帶角度劃分的同心圓及其在輪廓表示上的應(yīng)用示意圖；圖5是帶角度劃分的同心圓及內(nèi)距離示意圖；圖6是計(jì)算統(tǒng)計(jì)直方圖示意圖；圖7是輪廓采樣點(diǎn)及其統(tǒng)計(jì)直方圖示意圖；圖8是實(shí)施本發(fā)明方法的系統(tǒng)流程圖；
圖9是在MPEG-7數(shù)據(jù)庫上檢索率的比較；圖10是在MPEG-7數(shù)據(jù)庫上檢索的結(jié)果的比較；圖11是帶局部丟失的形狀檢索的結(jié)果比較。
具體實(shí)施例方式本發(fā)明涉及到一種相似形狀的檢索方法和系統(tǒng)。系統(tǒng)中有一個(gè)形狀數(shù)據(jù)庫，該數(shù)據(jù)庫中包含若干個(gè)形狀，這些形狀是等待被檢索輸出的形狀(以下簡(jiǎn)稱為“待檢索形狀”)。 另外，作為系統(tǒng)的輸入，有一個(gè)查詢形狀，數(shù)據(jù)庫中的待檢索形狀會(huì)分別與該輸入查詢形狀進(jìn)行相似性比較，從而確定哪些待檢索形狀與輸入查詢形狀足夠相似并作為檢索結(jié)果輸
出ο檢索工作從系統(tǒng)接收輸入查詢形狀開始，以系統(tǒng)返回通過檢索得出的若干結(jié)果形狀結(jié)束。給定一個(gè)形狀數(shù)據(jù)庫、一個(gè)查詢形狀和一個(gè)形狀距離函數(shù)，它不必是一個(gè)度量，本發(fā)明學(xué)習(xí)一個(gè)距離函數(shù)，這個(gè)距離函數(shù)通過查詢形狀和數(shù)據(jù)庫中的待檢索形狀兩兩之間的相似度形成的流形上的最短路徑來得到。本發(fā)明不需要顯性地學(xué)習(xí)這個(gè)流形。實(shí)驗(yàn)證明， 新學(xué)習(xí)的距離函數(shù)能夠整合內(nèi)在形狀差異的知識(shí)。這個(gè)學(xué)習(xí)過程是非監(jiān)督的。在本發(fā)明提出的方法中，在根據(jù)已有形狀描述子和形狀匹配算法計(jì)算獲得的形狀相似度基礎(chǔ)上，進(jìn)一步計(jì)算得到新的相似度。直觀的說，對(duì)于一個(gè)給定的形狀S1,即使形狀S3與形狀S1不相似，但若與形狀&相似的形狀&相似于S1,那么形狀S1和形狀&的相似度也會(huì)很高。然而，即使形狀S1和形狀&很相似，但如果與形狀&相似的形狀&跟形狀S1 并不相似，那么形狀S1和形狀&的相似度將會(huì)很低。因此，得到的新相似度是對(duì)內(nèi)容敏感的，這里給定形狀的內(nèi)容就是與其相似的形狀。即使形狀S1和形狀&的差異較大，但有一個(gè)形狀&與它們的差異都很小，仍然認(rèn)為形狀S1和形狀&相似。這種情況對(duì)于多數(shù)形狀距離是可能的，因?yàn)樗鼈儾粷M足三角形不等式的關(guān)系，即Cl(SnS3) Sd(SnS2HcKSyS3)并不是一直成立。若對(duì)某些形狀SpS2A3，， 滿足(KS1, S3) > CKS1, S2)+d(S2，S3)這一情況，那么本章提出的方法能夠?qū)W到一個(gè)新距離 d' (S1, S3)滿足d' (S1, S3)彡CKS1, S2)+d(S2, S3)。同樣，若在距離空間中存在一條路徑使得CKS1, S3) > CKS1, S2,^+...+CKS2iu, &)，其中U是該路徑上形狀的數(shù)量，那么本方法得到一個(gè)新的距離d' (S1, S3) ( CKS1, S2jl)+. . . +d(S2，u, S3)。由于這條路徑表示一個(gè)從形狀S1到形狀&的一個(gè)最小扭曲變形的過程，能夠忽視不是很關(guān)鍵的形狀差異，并且集中在較關(guān)鍵的形狀差異上，這樣就得到了一個(gè)新的距離d'。本發(fā)明通過這個(gè)新的距離度量提升了形狀檢索的正確率。下面結(jié)合附圖和實(shí)例對(duì)本發(fā)明方法作進(jìn)一步詳細(xì)的說明。如圖8所示，本發(fā)明方法包括下述步驟(1)提取輸入查詢圖像和數(shù)據(jù)庫中待檢索圖像的輪廓。輸入的查詢圖像和數(shù)據(jù)庫中的待檢索圖像，都是二值圖像。如果輸入的查詢圖像不是二值圖像，先將其轉(zhuǎn)換成二值圖像。轉(zhuǎn)換的方法包括人工手工標(biāo)注或圖像分割方法(例如，圖歸一化切分等算法)等。如圖1所示，圖中所示的形狀是本發(fā)明的輸入圖像。從輸入的查詢圖像和數(shù)據(jù)庫的待檢索圖像中，通過輪廓提取算法得到形狀輪廓。從輸入的查詢圖像所提取的形狀輪廓稱為查詢形狀，從數(shù)據(jù)庫中的待檢索圖像所提取的形狀輪廓稱為待檢索形狀。由于形狀輪廓包含了二值圖像的關(guān)鍵信息，同時(shí)輪廓提取非常容易實(shí)現(xiàn)，所以輸入的查詢圖像也可稱為輸入查詢形狀，二值圖像數(shù)據(jù)庫也可稱為形狀數(shù)據(jù)庫，數(shù)據(jù)庫中的待檢索圖像也可稱為待檢索形狀。文中后面分別采用“查詢形狀”、 “形狀數(shù)據(jù)庫”和“待檢索形狀”的說法。對(duì)于數(shù)據(jù)庫中的待檢索圖像，從二值圖像得到相應(yīng)的形狀輪廓的處理工作，不用在檢索階段進(jìn)行，可以事先完成。對(duì)于輸入的查詢圖像，其提取形狀輪廓的工作只能在檢索階段完成。(2)在步驟(1)所提取的查詢形狀和待檢索形狀的基礎(chǔ)上，計(jì)算每個(gè)形狀輪廓的特征，也就是描述子。本發(fā)明使用內(nèi)距離形狀上下文作為形狀的描述子。具體做法如下(2. 1)對(duì)每個(gè)形狀輪廓進(jìn)行均勻采樣。每個(gè)輪廓上采樣N個(gè)點(diǎn)，N的取值在不同的應(yīng)用環(huán)境中根據(jù)需要設(shè)定，如N= 100。見圖2(A)所示，在該圖中剪刀的外輪廓上的圓形實(shí)心點(diǎn)即為輪廓上的采樣點(diǎn)。(2. 2)對(duì)于每個(gè)形狀輪廓上的每個(gè)采樣點(diǎn)Pi，i表示采樣點(diǎn)的序號(hào)，i = 1，. . .，N， 使用內(nèi)距離形狀上下文描述子進(jìn)行描述。對(duì)于某個(gè)形狀來說，其形狀輪廓上的所有N個(gè)采樣點(diǎn)的內(nèi)距離形狀描述子，共同組成了這個(gè)形狀的特征。計(jì)算每個(gè)采樣點(diǎn)的內(nèi)距離形狀上下文描述子，具體做法如下(2. 2. 1)計(jì)算內(nèi)距離。定義采樣點(diǎn)之間的內(nèi)距離為在形狀內(nèi)部連接兩個(gè)采樣點(diǎn)的最短路徑的長(zhǎng)度。使用最短路徑算法計(jì)算某個(gè)采樣點(diǎn)Pi到形狀邊界上其它采樣點(diǎn)之間的內(nèi)距離，計(jì)算方法如下①首先構(gòu)造一個(gè)圖結(jié)構(gòu)，在該圖結(jié)構(gòu)中，每個(gè)采樣Api作為圖的頂點(diǎn)，設(shè)其中任意兩個(gè)采樣點(diǎn)為P1和P2，判斷連接這兩個(gè)頂點(diǎn)的邊是否落在形狀的內(nèi)部，如果落在形狀的內(nèi)部，那么就在這兩個(gè)頂點(diǎn)之間保留一條邊的連接，邊權(quán)重等于它們之間的歐式距離IIP1-P2I I。如果該邊沒有完全落在形狀的內(nèi)部，則這兩個(gè)頂點(diǎn)之間沒有一條邊直接相連。②在整個(gè)權(quán)重圖上使用最短路徑算法(如迪科斯徹(Dijkstra)算法)，獲得任意兩個(gè)點(diǎn)之間的最短連接，該最短距離即為內(nèi)距離。在圖2(C)中是形狀局部細(xì)節(jié)上的最短路徑線段。(2. 2. 2)計(jì)算內(nèi)角度。定義一個(gè)采樣Ap1相對(duì)于另一個(gè)采樣點(diǎn)P2的內(nèi)角度為輪廓采樣點(diǎn)P1的切線方向和從點(diǎn)P1出發(fā)的Pl、P2之間的最短路徑方向之間的夾角。如圖3中， P1和P2是輪廓上的兩個(gè)采樣點(diǎn)，圖中所示的角度θ即為P1和P2之間的內(nèi)角度。(2. 2. 3)計(jì)算內(nèi)距離形狀上下文描述子。本發(fā)明中使用帶方向劃分的同心圓作為計(jì)算描述子的工具，所謂帶方向劃分是指以采樣點(diǎn)PiW切線方向?yàn)榱愣冉欠较?，?60度空間均勻劃分成G個(gè)區(qū)間，如圖4所示，同心圓的圓心處于某個(gè)輪廓采樣點(diǎn)Pi，同心圓每個(gè)圓的半徑以及同心圓的方向角度劃分根據(jù)應(yīng)用的具體場(chǎng)合而定，假設(shè)零角度方向?yàn)椴蓸狱c(diǎn) Pi的切線方向，假設(shè)角度劃分為G個(gè)區(qū)間，本例中使用的是將360度劃分為G = 12個(gè)區(qū)間， 每個(gè)區(qū)域?yàn)?0度。又假設(shè)有R個(gè)同心圓，本例中R = 5，則R個(gè)同心圓和G個(gè)角度區(qū)間結(jié)合起來構(gòu)成了(R+l) XG個(gè)區(qū)間。然后結(jié)合(2. 2. 1)和(2. 2. 2)獲得的內(nèi)距離和內(nèi)角度，確定輪廓上其他的點(diǎn)在以Api為圓心的帶方向距離劃分同心圓的(R+l) XG個(gè)區(qū)間中的分布， 獲得一個(gè)統(tǒng)計(jì)直方圖，該直方圖見圖7右側(cè)所示。該統(tǒng)計(jì)直方圖即為內(nèi)距離形狀上下文描述子。其數(shù)學(xué)定義為 hi (k) = # {Pj 1 彡 j 彡 N，j 乒 i，Pj-Pi e bin (k)}在上式中，hi表示輪廓上第i個(gè)采樣點(diǎn)的內(nèi)距離形狀上下文統(tǒng)計(jì)直方圖，Iii (k)表示落在該統(tǒng)計(jì)直方圖的第k個(gè)區(qū)間里點(diǎn)的個(gè)數(shù)，k的取值范圍是從1到(R+l) XG的整數(shù)。 Pi表示第i個(gè)采樣點(diǎn)，也就是該統(tǒng)計(jì)直方圖描述的對(duì)象，P」則表示形狀輪廓上的N個(gè)采樣點(diǎn)中，除Tpi以外其他N-I個(gè)點(diǎn)中的任意一個(gè)。Pi是上述同心圓的圓心，Pj-Pi表示一個(gè)向量， 該向量指向Pj。bin表示上述的用帶方向距離劃分的同心圓獲得的區(qū)間劃分，bin(k)表示第k個(gè)區(qū)間。表達(dá)式的含義是如果向量在區(qū)間bin(k)中，則認(rèn)為點(diǎn)~落在統(tǒng)計(jì)直方圖的區(qū)間k中，把相應(yīng)的統(tǒng)計(jì)直方圖的區(qū)間k中的點(diǎn)的數(shù)量hi (k)加1。符號(hào)#表示累加的含義。結(jié)合圖4、圖5進(jìn)一步解釋，在圖4中，設(shè)圓心所在的位置為Pi，箭頭指向的位置為 Pj，經(jīng)過一個(gè)中間Apw，圖5中從圓心出發(fā)的折線段的長(zhǎng)度即為內(nèi)距離，在計(jì)算內(nèi)距離形狀上下文描述子時(shí)，首先將圖5中的折線段做部分旋轉(zhuǎn)得到圖6中所示的直線段，然后看該直線段末端端點(diǎn)落在哪個(gè)距離區(qū)間中，判斷該直線段與點(diǎn)Pi的切線方向的夾角(即圖6中接近圓心位置所標(biāo)示的角度Θ)的度數(shù)落在哪個(gè)角度區(qū)間中，結(jié)合上述兩部分信息，最終確定點(diǎn)P」落在哪個(gè)區(qū)間中，然后將該區(qū)間的累加值在之前的基礎(chǔ)上加1。最終獲得的統(tǒng)計(jì)直方圖如圖7所示，顏色越深的地方表示點(diǎn)數(shù)越少，顏色越淺的地方表示點(diǎn)數(shù)越多。在圖7的統(tǒng)計(jì)直方圖中，橫軸方向表示角度區(qū)間劃分，縱軸方向表示距離區(qū)間劃分。(2. 3)計(jì)算每個(gè)形狀輪廓的特征重復(fù)(2. 2)的過程，計(jì)算獲得某個(gè)形狀輪廓上每一個(gè)采樣點(diǎn)的內(nèi)距離形狀上下文描述子，從而獲得對(duì)該形狀的描述。這種對(duì)整個(gè)形狀的描述，是通過一組如(2. 2. 3)描述的統(tǒng)計(jì)直方圖所組成，每個(gè)統(tǒng)計(jì)直方圖都是該形狀輪廓上某一個(gè)點(diǎn)的描述。這樣一組描述子， 就是前面所述的形狀特征。重復(fù)這個(gè)過程，計(jì)算獲得輸入查詢形狀和數(shù)據(jù)庫中所有待檢索形狀的特征。對(duì)于數(shù)據(jù)庫中的待檢索形狀，其形狀輪廓特征的計(jì)算不用在檢索階段進(jìn)行，可以事先完成。對(duì)于輸入的查詢形狀，其形狀輪廓特征的計(jì)算只能在檢索階段完成。(3)形狀匹配在步驟( 計(jì)算得到的形狀特征的基礎(chǔ)上，對(duì)于輸入的查詢形狀和數(shù)據(jù)庫中的待檢索形狀所組成的形狀集合，對(duì)集合中的任意兩個(gè)形狀之間進(jìn)行匹配，求出其兩兩之間的不相似性度量值(距離)。(3. 1)兩個(gè)形狀之間的匹配本發(fā)明使用動(dòng)態(tài)規(guī)劃方法，求解任意兩個(gè)形狀輪廓上采樣點(diǎn)的最佳對(duì)應(yīng)關(guān)系和這兩個(gè)形狀之間的不相似性度量值(距離)，完成形狀匹配。具體做法如下假設(shè)待匹配的其中一個(gè)形狀為A，另外一個(gè)形狀為B，由A和B的輪廓采樣點(diǎn)組成兩個(gè)序列集合，分別記為{Pi，i = 1，. . .，N}，{q」，j = 1，. . .，N}。(3. 1. 1)分別計(jì)算序列{Pi，i = 1, ... , N}中的任意一個(gè)點(diǎn)Pi與序列{q」，j = 1，. . .，N}中的任意一個(gè)點(diǎn)之間的特征距離c(i，j)，該距離定義為由(2. 2)計(jì)算得到的點(diǎn)Pi的統(tǒng)計(jì)直方圖與點(diǎn)％的統(tǒng)計(jì)直方圖之間的距離，其數(shù)學(xué)定義如下
權(quán)利要求
1.一種檢索相似性形狀的方法，包括下述步驟(1)提取輸入查詢圖像和數(shù)據(jù)庫中待檢索圖像的形狀輪廓，查詢圖像稱之為查詢形狀， 待檢索圖像稱之為待檢索形狀；(2)在步驟(1)所提取的查詢形狀和待檢索形狀的基礎(chǔ)上，計(jì)算每個(gè)形狀輪廓的特征， 也就是描述子；(3)在步驟( 計(jì)算得到的形狀特征的基礎(chǔ)上，對(duì)于輸入的查詢形狀和數(shù)據(jù)庫中的待檢索形狀所組成的形狀集合，對(duì)集合中的任意兩個(gè)形狀之間進(jìn)行匹配，求出其兩兩之間的不相似性度量值，根據(jù)求出的不相似性度量值組成不相似性度量矩陣；(4)根據(jù)步驟C3)求得的不相似性度量矩陣，計(jì)算查詢形狀跟數(shù)據(jù)庫中任意一個(gè)待檢索形狀之間的相似度；(5)基于(4)中求得的輸入查詢形狀跟數(shù)據(jù)庫中η個(gè)待檢索形狀之間的相似度，確定檢索輸出結(jié)果。
2.根據(jù)權(quán)利要求1所述的檢索相似性形狀的方法，其特征在于，步驟(2)包括下述過程(2. 1)對(duì)每個(gè)形狀輪廓進(jìn)行均勻采樣；(2. 2)對(duì)于每個(gè)形狀輪廓上的每個(gè)采樣點(diǎn)Pi，i表示采樣點(diǎn)的序號(hào)，i = 1，. . .，N，使用內(nèi)距離形狀上下文描述子進(jìn)行描述，N表示形狀輪廓上的采樣點(diǎn)的數(shù)量；(2.3)重復(fù)(2. 的過程，計(jì)算獲得某個(gè)形狀輪廓上每一個(gè)采樣點(diǎn)的內(nèi)距離形狀上下文描述子，從而獲得對(duì)該形狀的描述。
3.根據(jù)權(quán)利要求1所述的檢索相似性形狀的方法，其特征在于，步驟(2.2)包括下述過程(2. 2. 1)計(jì)算內(nèi)距離定義采樣點(diǎn)之間的內(nèi)距離為在形狀內(nèi)部連接兩個(gè)采樣點(diǎn)的最短路徑的長(zhǎng)度，使用最短路徑算法計(jì)算某個(gè)采樣點(diǎn)Pi到形狀邊界上其它采樣點(diǎn)之間的內(nèi)距 1 ；(2. 2. 2)計(jì)算內(nèi)角度定義一個(gè)采樣點(diǎn)P1相對(duì)于另一個(gè)采樣點(diǎn)P2的內(nèi)角度為輪廓采樣點(diǎn)P1的切線方向和從點(diǎn)P1出發(fā)的Pl、P2之間的最短路徑方向之間的夾角；(2. 2. 3)計(jì)算內(nèi)距離形狀上下文描述子使用帶方向劃分的同心圓作為計(jì)算描述子的工具，同心圓的圓心處于某個(gè)輪廓采樣點(diǎn)Pi，假設(shè)角度劃分為G個(gè)區(qū)間，又假設(shè)有R個(gè)同心圓，則R個(gè)同心圓和G個(gè)角度區(qū)間結(jié)合起來構(gòu)成了(R+l) XG個(gè)區(qū)間；然后結(jié)合(2.2. 1)和 (2. 2. 2)獲得的內(nèi)距離和內(nèi)角度，確定輪廓上其他的點(diǎn)在以點(diǎn)Pi為圓心的帶方向距離劃分同心圓的(R+l) XG個(gè)區(qū)間中的分布，獲得一個(gè)統(tǒng)計(jì)直方圖，該統(tǒng)計(jì)直方圖即為內(nèi)距離形狀上下文描述子。
4.根據(jù)權(quán)利要求1所述的檢索相似性形狀的方法，其特征在于，步驟⑶具體包括下述過程(3. 1)兩個(gè)形狀之間的匹配使用動(dòng)態(tài)規(guī)劃方法，求解任意兩個(gè)形狀輪廓上采樣點(diǎn)的最佳對(duì)應(yīng)關(guān)系和這兩個(gè)形狀之間的不相似性度量值，完成形狀匹配；(3. 2)形狀集合中兩兩形狀之間的匹配，得到不相似度量矩陣他,」，i，j = 1，. . .，n， n+1}對(duì)于由輸入的查詢形狀和數(shù)據(jù)庫中的待檢索形狀所組成的形狀集合，利用步驟(3. 1) 所描述的方法，對(duì)集合中的任意兩個(gè)形狀，利用動(dòng)態(tài)規(guī)劃算法進(jìn)行匹配，求出其不相似性度量值；假設(shè)數(shù)據(jù)庫中含有η個(gè)待檢索形狀，η為正整數(shù)，輸入的查詢形狀與數(shù)據(jù)庫中的η個(gè)形狀一起，一共組成了 η+1個(gè)形狀{Xi，i = l，...，n+l}；根據(jù)步驟(3. 1)，分別求出這n+1個(gè)形狀兩兩之間的不相似性度量值，組成一個(gè)不相似度量矩陣{Dy，i，j = 1，...，n，n+l}
5.根據(jù)權(quán)利要求3所述的檢索相似性形狀的方法，其特征在于，步驟⑶具體包括下述過程(3. 1)兩個(gè)形狀之間的匹配使用動(dòng)態(tài)規(guī)劃方法，求解任意兩個(gè)形狀輪廓上采樣點(diǎn)的最佳對(duì)應(yīng)關(guān)系和這兩個(gè)形狀之間的不相似性度量值，完成形狀匹配；(3. 2)形狀集合中兩兩形狀之間的匹配，得到不相似度量矩陣
6.根據(jù)權(quán)利要求5所述的檢索相似性形狀的方法，其特征在于，步驟(3. 1)具體包括下述過程(3. 1. 1)分別計(jì)算序列{Pi，i = 1，. . .，N}中的任意一個(gè)點(diǎn)Pi與序列{q」，j = 1，...， N}中的任意一個(gè)點(diǎn)Qj之間的特征距離c(i，j)，該距離定義為由(2. 2)計(jì)算得到的點(diǎn)Pi的統(tǒng)計(jì)直方圖與點(diǎn)％的統(tǒng)計(jì)直方圖之間的距離，其數(shù)學(xué)定義如下 c(i l{RfG\.KXk)-hB](k)f 2 h hAl(k) + hB](k)其中hA, i，hB, j為步驟(2. 2. 3)中定義的統(tǒng)計(jì)直方圖，下標(biāo)A和B表示hA, i (k)、hB, ,. (k)B, j分別是形狀A(yù)和形狀B的統(tǒng)計(jì)直方圖，c (i，j)表示點(diǎn)Pi和點(diǎn)Qi的特征距離；通過計(jì)算形狀A(yù)上所有點(diǎn)與形狀B上所有點(diǎn)的特征距離，獲得NXN的特征距離矩陣 {c (i, j), i = 1, . . . , N, j = 1, . . . , N}C =c(l,2)c(\N)c(2,l) c(2,2)c(2,N-]) c(2,N)c{N... c{N -\,N -V) c(N-\N)c(N,l) c(N,2)c(N,N-V) c{N ,N、(3. 1. 2)假設(shè)兩個(gè)序列{Pi，i = 1，. . .，N}和{q」，j = 1，. . .，N}在點(diǎn)P1和Ql處對(duì)齊， 運(yùn)用動(dòng)態(tài)規(guī)劃方法，求得兩個(gè)序列的不相似度，作為D1，其求解過程如下①生成一個(gè)NXN的空矩陣M，稱為動(dòng)態(tài)規(guī)劃矩陣；②初始化邊際條件M(0,0) = 0 ；M(i，0) = y Xi, i = 1,，N;M(0, j) = y Xj, j = 1,... ,N；Y為設(shè)定的一個(gè)標(biāo)量懲罰因子；③按照從左到右、從上到下的順序，依次計(jì)算動(dòng)態(tài)規(guī)劃矩陣M中每個(gè)元素的值S (i,j)， i = 1，. . .，N，j = 1，. . .，N，計(jì)算公式如下M(i, j) = minM(i-lJ-l) + c(iJ) M(i-l,j) + r M (i J-1) +γ其中c(i，j)為點(diǎn)Pi與點(diǎn)Qj之間的特征距離；④當(dāng)動(dòng)態(tài)規(guī)劃矩陣中每個(gè)元素的值均計(jì)算完畢，則動(dòng)態(tài)規(guī)劃方法結(jié)束，兩個(gè)序列的不相似度 D1 = M (N, N)；(3. 1.3)重復(fù)(3. 1.2)的過程，分別假設(shè)兩個(gè)序列{Pi}和{qj在P2與處對(duì)齊，P3與Q1處對(duì)齊，......，Pn與Q1處對(duì)齊，分別運(yùn)用動(dòng)態(tài)規(guī)劃算法求得不相似度D2, D3, ...，Dn ；(3.1.4)選取步驟(3.1.2)到(3.1.3)中求得的N個(gè)距離中最小的那個(gè)，作為形狀A(yù)， B之間的不相似性度量值D(A, B) = Hiin(Di)，i = 1，· · ·，N。
7.根據(jù)權(quán)利要求1至6中任一所述的檢索相似性形狀的方法，其特征在于，步驟(4)具體包括下述過程(4. 1)定義關(guān)系矩陣其計(jì)算公式如下 D2w = exp(-Kj其中，Dy，是步驟(3.2)中獲得的不相似度量矩陣，λ υ為歸一化參數(shù)，該歸一化參數(shù)的計(jì)算方法如下Xy= α · mean ({knnd (Xi), knnd (Xj)})在上式中，mean ({krmd(Xi)，krmd (Xj)})表示形狀Xi, Xj的前b個(gè)最近鄰距離的平均距離，所謂最近鄰距離，是指與該形狀的不相似性度量值中最小的b個(gè)距離；(4. 2)定義概率轉(zhuǎn)移矩陣P，該概率轉(zhuǎn)移矩陣通過對(duì)Wi, j沿行方向歸一化得到，計(jì)算公式如下
全文摘要
本發(fā)明公開了一種相似性形狀檢索方法，步驟為①提取輸入查詢圖像和數(shù)據(jù)庫中待檢索圖像的形狀輪廓；②用內(nèi)距離形狀上下文描述子對(duì)所有形狀(包括輸入查詢形狀和數(shù)據(jù)庫中的待檢索形狀)進(jìn)行表示。③用動(dòng)態(tài)規(guī)劃方法對(duì)所有形狀(包括輸入查詢形狀和數(shù)據(jù)庫中的待檢索形狀)進(jìn)行兩兩之間的匹配。④用內(nèi)容敏感的相似性度量方法計(jì)算獲得新的相似度度量排序。⑤獲得形狀檢索的結(jié)果。本發(fā)明不再使用兩兩形狀之間的不相似性(距離)作為形狀檢索的直接依據(jù)，而是通過對(duì)形狀的內(nèi)在差異進(jìn)行整合，利用形狀相似性空間中的結(jié)構(gòu)信息對(duì)原始兩兩形狀之間的不相似度(距離)進(jìn)行改進(jìn)，從而有效的提升了形狀檢索的準(zhǔn)確率。
文檔編號(hào)G06F17/30GK102200999SQ20111010631
公開日2011年9月28日 申請(qǐng)日期2011年4月27日 優(yōu)先權(quán)日2011年4月27日
發(fā)明者劉文予, 周瑜, 白翔 申請(qǐng)人:華中科技大學(xué)