[转][论文笔记] Shape Matching and Object Recognition Using Shape Context

Paper: S. Belongie , J. Malik , J. Puzicha, Shape Matching and Object Recognition Using Shape Contexts, IEEE Transactions on Pattern Analysis and Machine Intelligence, v.24 n.4, p.509-522, April 2002

---

只就其中Shape Context相关核心部分阅读。

问题描述：一些在肉眼看来相似的图形，在旋转、变形等细小变化后就无法被传统图形识别方法（Feature-Based、Brightness-Based）识别。文中提出了一种简单且鲁棒的方法，来寻找图形间的一致性。

       

       文中将图形识别问题分为3步：

       1) 解决两个图形间的对齐问题；

       2) 估计两者间的对齐变换；

       3) 用此对齐变换的matching error计算两个图形间的距离。

       对图形识别应用Shape Context方法的步骤大致如下：

       1) 获取图形的轮廓边缘，并用离散点表示如(a)(b)。这些点不一定是极点或角点，当点的采样越高越能表现图形的细节；

       2) 对于该点集中的每一个点P，应用一个指数-极坐标。该指数-极坐标被分为r个半径区域，theta个角度区域，共N个bin。该坐标系给于靠近参照点的点更高的权重，使得Shape Context方法对局部更敏感；

       3) 对每一个bin，统计除点P外的轮廓点的个数，得到如(d)(e)(f)的直方图；

       4) 对两个图形上的每一对点，使用一下公式计算它们之间的匹配代价；

             

       5) 则使得所有C值的和最小的匹配为对齐变换。

            

       Shape Context无视图形的旋转、缩放等变形，在这方面类似Hu等不变矩，但较之鲁棒得多。但由于其是基于图形轮廓边缘的算法，在应用于实际图像时，若前景与背景很难区分或提取的轮廓效果不好出现漏洞断裂等情况，则不能达到很好的效果。

此日志的引用通告 URL 是：

http://lincccc.spaces.live.com/blog/cns!CDE197AF0E29D7CE!148.trak