Key points are not available for this paper at this time.
푸리에 기술자(FDs)는 윤곽 일치에 대한 고전적이지만 여전히 인기 있는 방법입니다. 핵심 아이디어는 윤곽의 주기적 표현에 푸리에 변환을 적용하여 주파수 영역에서 형태 기술자를 생성하는 것입니다. FDs는 주로 물체 실루엣과 물체 윤곽을 비교하는 데 사용됩니다. 저자들은 대신 이 확립된 방법론을 사용하여 객체 인식 프레임워크에서 사용될 지역 영역을 설명합니다. FDs를 일치시키는 많은 접근 방식은 각 FD 구성 요소의 크기를 기반으로 하므로 위상에 포함된 정보는 무시됩니다. 위상 정보를 유지하려면 윤곽의 전역 회전과 윤곽 샘플의 이동을 고려해야 합니다. 저자들은 FDs의 제곱 차이 합계를 윤곽을 명시적으로 회전하지 않고도 계산할 수 있음을 보여줍니다. 저자들은 상관 기반 일치를 아핀 불변 푸리에 기술자(AFDs) 및 WARP 일치 FDs와 비교하고, 상관 기반 접근 방식이 실제 데이터에서 AFDs 및 WARP보다 우수하다는 것을 입증합니다. 실제 응용 프로그램으로 저자들은 도로 표지 인식 작업에 대해 제안된 상관 기반 일치를 시연합니다.
Larsson 외 (수요일,) 이 질문을 연구했습니다.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: