一個特徵之擷取與整合的新方法

Abstract

在論文中，我們提出了一個特徵擷取與整合之新方法。首先，提出一個基於矩量不變 原理（Moment-Preserving Principle） 且以區域（Aera）為單位之新邊緣偵測法。 一般以區域為單位之偵測法須事先假設在所偵測之區域中邊緣點（Edge Points） 須 座落於一直線或某種已知的曲線上。本方法放寬了上述之假設。我們保留了前五個矩 量（Moment）而求出所偵測區域中邊緣灰暗度（Gray Level）之範圍。同時可精確地 決定出座落於偵測區域中所有邊綠點。此偵測法所偵測出來的結果沒有雜訊（Noise） 且比以像素（Pixel） 為單位之其他偵測法更細、薄。由文中所提出的四個實驗結果 中，明顯地看出此邊緣偵測法確實較一般偵法精確、有效。 在偵測出邊緣點之後，吾人應用了一個分類的方法針對所擷取出來的特徵點做分類（ Classification），並對各個邊緣點進行綿碼（Coding），然後利用Region growing 之技巧將相同碼之相鄰邊綠點結合起來，並以Graph 之方式來表示其關係以節省處理 的時間。其次，我們提出一個方法來整合所偵測出來之邊緣點。在整合的過程中，我 們亦偵測出轉角點（Break Points），三叉點（Branching Point） 以及四叉點（Cl -ossing Points）。最後，以二次曲線（Conic Curves）來逼近所整合出來的特徵點 ，並以牛頓法（Newton's Method） 計算出相鄰各曲線之交點，以求出所得特徵點之 精確位置。此特徵點之整合方法不但具有整體特性（Global Characteriztic） 且不 須做細線化（Thinning）處理。由文中所提之一例子說明及兩個實驗結果可以證實此 特徵點整合方法確實精確、有效！