基于多特征SVMs分類器的手語識別*
加入技術(shù)交流群
掃碼加入
和技術(shù)大咖面對面交流
海量資料庫查詢
圖像特征選取
本文引用地址：http://www.ex-cimer.com/article/93422.htm手語圖像特征的選取，會(huì)直接影響到識別的效果，因此在表示圖像的不同視覺特征時(shí)本文同時(shí)提取全局視覺特征和局部視覺特征。為了避免圖像分割工具可能帶來的問題，在特征提取時(shí)不進(jìn)行圖像分割。在研究中，將提取圖像的以下特征：(1)7維不變矩特征量，作為圖像整體形狀描述的特征向量(2)用Gabor小波提取48維的紋理特征，以表示圖像的整體結(jié)構(gòu)屬性[10];(3)提取一定數(shù)量的興趣點(diǎn)及它們的SIFT特征[11]，以表示圖像的局部結(jié)構(gòu)特征與所包含目標(biāo)的大致形狀。實(shí)驗(yàn)表明，全局和局部視覺特征可以有效的表示出圖像的主要視覺特征。
Hu不變矩特征量
利用矩不變量進(jìn)行形體識別是模式識別中的一種重要的方法， Hu在1961年首先提出了矩不變量的概念。Hu首先提出代數(shù)不變矩的概念，并給出了一組基于通用矩組合的代數(shù)矩不變量。這些矩具有平移、尺度和旋轉(zhuǎn)不變性，被稱為Hu’s矩。
對于連續(xù)灰度函數(shù) f(x, y)，它的(p + q)階二維原點(diǎn)矩Mpq 的定義為：
假設(shè) f(x, y)為分段連續(xù)的有界函數(shù)，并且在x，y平面上有限區(qū)域內(nèi)有非零值。根據(jù)唯一性定理，它的各階矩存在且唯一地被 f(x, y)確定，反過來，f(x, y)也唯一地被它的各階矩確定。
此外，還可以定義 f(x, y)的(p + q)階中心矩μpq 為：
Hu首先提出了不變矩，他給出了連續(xù)函數(shù)矩的定義和關(guān)于矩的基本性質(zhì)，證明了有關(guān)矩的平移不變性、旋轉(zhuǎn)不變性以及比例不變性等性質(zhì)，具體給出了具有平移不變性、旋轉(zhuǎn)不變性和比例不變性的七個(gè)不變矩的表達(dá)式。
評論