基于shape context的匹配算法
'shape context’是表述点集之间关系的一种方法。与原始算法相关的资源如下:
背景
shape contexts 的基本思想如下图所示。
先从一张图片上获得一列点集(例如:一组检测到的边缘点集),‘shape contexts’表示点集中各点与其他各点在平面上相对位置的分布。我们用log-polar坐标系来展示。
图中展示的是该点集中某一个点(对数极坐标的中心处)的’shape contexts’计算方法。对各离散坐标区域内的点进行计数。则点集中某点的‘shape contexts’就等于以该点为中心的对数极坐标上各区域块上的计数分布。
从而我们得到同源点(相关联)的相似性以及非同源(不相关)点的不相似性表述。在这里,这种表述用直方图来展示,二维的直方图, θ \theta θ表示对数极坐标的角度, l o g r log r logr表示离中心的半径对数。每个小长方形表示对空间进行离散后的所属位置区域(黑色:区域点数多;白色:区域点数少)。下图中下部三张子图分别对应上部两张子图的三处的点的shape contexts。
结论
shape contexts 能用作一个加权二分匹配问题的属性(或者说特征)。
本人更多博客请欢迎关注:新思维