模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2007年
1期
124-130
,共7页
部分遮挡%多边形%线图%识别
部分遮擋%多邊形%線圖%識彆
부분차당%다변형%선도%식별
给出一种新的、适合于仿射变换的局部不变量.基于该局部不变量,建立一种新的归一化的相似性度量函数.构造丢失特征向量判别函数,据此判断目标的各个局部是否被遮挡,并仅利用未遮挡部分的局部特征计算待识别目标和模型的整体相似度.比较相似度与给定的阈值,可以从单幅线图识别部分遮挡的平面多边形状物体.新的局部不变量具有仿射不变性,因而该方法适用于仿射变换.新的相似性函数和丢失特征判别函数综合考虑噪声和遮挡带来的影响,识别可靠性得到提高.实验结果表明本文的识别算法效果较好.
給齣一種新的、適閤于倣射變換的跼部不變量.基于該跼部不變量,建立一種新的歸一化的相似性度量函數.構造丟失特徵嚮量判彆函數,據此判斷目標的各箇跼部是否被遮擋,併僅利用未遮擋部分的跼部特徵計算待識彆目標和模型的整體相似度.比較相似度與給定的閾值,可以從單幅線圖識彆部分遮擋的平麵多邊形狀物體.新的跼部不變量具有倣射不變性,因而該方法適用于倣射變換.新的相似性函數和丟失特徵判彆函數綜閤攷慮譟聲和遮擋帶來的影響,識彆可靠性得到提高.實驗結果錶明本文的識彆算法效果較好.
급출일충신적、괄합우방사변환적국부불변량.기우해국부불변량,건립일충신적귀일화적상사성도량함수.구조주실특정향량판별함수,거차판단목표적각개국부시부피차당,병부이용미차당부분적국부특정계산대식별목표화모형적정체상사도.비교상사도여급정적역치,가이종단폭선도식별부분차당적평면다변형상물체.신적국부불변량구유방사불변성,인이해방법괄용우방사변환.신적상사성함수화주실특정판별함수종합고필조성화차당대래적영향,식별가고성득도제고.실험결과표명본문적식별산법효과교호.
