[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。