基于多特征SVMs分類器的手語識別*
——
加入技術交流群
圖像特征選取
本文引用地址：http://yuyingmama.com.cn/article/93422.htm手語圖像特征的選取，會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本文同時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，在特征提取時不進行圖像分割。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構屬性[10];(3)提取一定數(shù)量的興趣點及它們的SIFT特征[11]，以表示圖像的局部結構特征與所包含目標的大致形狀。實驗表明，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)階二維原點矩Mpq 的定義為：
假設 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)矩的定義和關于矩的基本性質，證明了有關矩的平移不變性、旋轉不變性以及比例不變性等性質，具體給出了具有平移不變性、旋轉不變性和比例不變性的七個不變矩的表達式。
評論