61、平面形状描述符：mUNL与转向角尺度图的研究与应用

平面形状描述符：mUNL与转向角尺度图的研究与应用

在模式识别和图像处理领域，准确描述和识别平面形状是一项关键任务。不同的形状描述符在处理各种形状变形时表现各异，本文将介绍两种有效的形状描述方法：mUNL形状描述符和基于转向角尺度图的平面形状描述符，并探讨它们的特点、应用及未来研究方向。

1. mUNL形状描述符

mUNL形状描述符在处理各种轮廓变形方面表现出色。通过对近一万个测试对象进行近五万次匹配实验，得出以下结论：
- 现有全局形状描述符的局限性 ：目前使用的全局形状描述符不足以应对轮廓对象的所有变形。虽然有一些方法对特定变形具有鲁棒性，如傅里叶描述符对噪声有理想的鲁棒性，UNL对缩放不变，UNL - F对旋转和缩放不变，但这些方法都不能适用于所有变形情况。
- mUNL的优势 ：mUNL形状描述符在所有变形情况下都能给出令人满意的结果。对于遮挡情况，其识别率超过80%；对于其他探索的变形，识别率至少为95%。相比之下，其他方法的表现则不尽如人意，例如FD在处理噪声时表现最佳，但在旋转和缩放方面性能较差；UNL - F在旋转和缩放方面略好（1 - 2%），但在遮挡情况下结果更差。
- 实际应用 ：mUNL方法已成功应用于多个实际场景，如商标检索和识别（特别是在形状有显著变形的情况下）、车牌识别（包括图像采集时极端恶劣的天气条件）以及象形图识别等，这些场景中往往同时存在多种形状变形。

2. 基于转向角尺度图的平面形状描述符

基于转向角尺度图的平面形状描述符是一种新颖的二维形状表示方法，具有旋转、平移、尺度变化不