影象形狀特徵（六）--AR模型形狀描述子
阿新 • • 發佈：2019-01-30
兩維的形狀可以用一維的實數或複數函式表示, 把這個函式看成一個隨機過程實現, 通 過估計得到的模型引數就可以作為形狀描述子 . 用自迴歸模型[127]分析閉合形狀是 Kashyap 和Chellappa 在 1981 年首先提出來的, 他 們用自迴歸係數作特徵向量來刻劃形狀 . 在Dubois 和 Glanz[128]的實驗中得到了很好的結 果, 在質心與輪廓之間以等角間距取樣得到徑向量的長度序列, 然後對此序列應用AR 模 型 . Kartikeyan[129]等人認為線性AR 模型只適用於識別那些形狀明顯不同的圖形而對形狀 差別較小的圖形識別能力較差, 為此構造了非因果二次Volterra 模型 . 但是這種模型的計 算量很大, 模型階數不易選擇, 從而使特徵集的形式很難統一併增大了模式分類的難度 . Das[130]等人採用了二維雙變數AR 模型, 這種方法要估計的模型係數是相應同階次一維模 型的四倍, 冗餘性大 . 另外, 此模型只是簡單地將直角座標 x , y 作為雙變數來處理, 忽視了 它們之間的正交特性, 導致模型係數並不直接具備旋轉不變性 . 為了克服雙變數AR 模型的 固有缺點, Sekita[131]等人提出了複數域AR (CAR)模型, 實驗研究表明識別效果優於不變矩 和傅立葉描述符方法, 尤其在有噪聲的情況下 . 但是由於該模型是線性的, 它不能反映圖形 輪廓的二維非線性封閉迴圈特性和區域性特性, 所以在識別某些相似圖形時效果不好 . 自迴歸模型的主要缺點就是它只使用一個預測引數集來描述整個形狀, 如果形狀中有 很多角點或者形狀變化非常劇烈, 那麼這個形狀就變得難以預測 . 為此, He 和 Kundu[132]把 AR 模型和隱M arkov 模型結合起來用於形狀分析, 把形狀邊界分成若干段, 每一段用AR 模型描述, 所得到的向量再用隱M arkov 模型分析