روش تطبیق زمینه شکل وفقی برای بازشناسی تصویری اشیاء

روش تطبیق زمینه شکل یک روش متداول در بازشناسی اشیاء است. این الگوریتم با محاسبه هیستوگرام قطبی برای نقاط نشانه، نسبت به تغییرات مقیاس، چرخش و انتقال مقاوم می باشد. در عین حال، مهمترین نقاط ضعفآن، تعدد نقاط نشانه تکراری و زمان اجرای بالای الگوریتم است. با هدف ارتقای عملکرد این الگوریتم، در این مقاله پس از استخراج پیکسل های لبه، تصویر پنجر ه بندی شده و فاصله لبه ها از یکدیگر در هر پنجره محاسبه می شود. آنگاه برای دو نقطه بیش از حد آستانه نزدیک، یکی بر اساس یک معیار مشخص حذف می شود. سپس برای نقاط باقیمانده، توصیف گر زمینه شکل تولید می شود. در ادامه، ابعاد بردار توصیف گر با استفاده از رو شهای تحلیل مولفه های اصلی کرنل و تحلیل جداساز فیشر کرنل کاهشمی یابد. در نهایت برای شناسایی اشیاء، از توصیف گر زمینه شکل کاهشیافته به عنوان ورودی الگوریتم های بازشناسی استفاده شده است. رویکرد پیشنهادی نه تنها عملکرد بازشناسی تصاویر دودویی را نسبت به الگوریتم پایه بهبود داده، بلکه با به کارگیری رو شهای آماری به جای رو شهای بهینه سازی، باعث انتقال کلیه محاسبات به مرحلۀ آموزش و در نتیجه کاهش پیچیدگی محاسباتی در مرحلۀ آزمون گردیده است. نتایج شبیه سازی تصدیق کننده برتری روش پیشنهادی نسبت به سایر رو ش های کلاسیک است.