论文部分内容阅读
就轮廓线上某一点,距离其较近的点对识别分类比距离较远的点的贡献更大,因而,描述子应增强细节描述能力。该文采用一种稀疏策略,提出了基于轮廓线形状的多尺度稀疏描述子(SSM)。该描述子不仅满足平移、旋转、尺度变换的不变性,而且双边对称。同时,在一定程度上克服了时空复杂度这一经典矛盾问题。将该文提出的算子应用于我们自己采集的叶形数据库中。并与相关的描述子进行对比,实验结果表明,SSM的性能更优。