In pattern recognition and related

In pattern recognition and related areas, shape is an important characteristic to identify and distinguish objects [11, 12, 13, 14]. Standard mathematical distances are used to calculate the degree of similarity between two shapes. They can be classified into three different features such as: Simple Geometric Features, Spatial-Domain Features, and Transform Domain Features [15]. In the first group, contour-based features can be simple scalar values extracted from the boundary itself. The Second group used the spatial information to extract the shape feature. For example, Chain Codes technique [16], the direction vectors between successive boundaries pixels are encoded. The last group of feature is based on transformation-domain such as Fourier transform and Wavelet transform.

ผลลัพธ์ (ไทย) 1:

ในการรู้จำรูปแบบและพื้นที่ที่เกี่ยวข้อง รูปร่างจะมีลักษณะสำคัญเพื่อระบุ และแยกความแตกต่างของวัตถุ [11, 12, 13, 14] ระยะทางคณิตศาสตร์มาตรฐานที่ใช้ในการคำนวณระดับของความคล้ายคลึงกันระหว่างรูปแบบ พวกเขาอาจแบ่งได้เป็นสามแบบที่แตกต่างกันเช่น: คุณลักษณะทางเรขาคณิตเรื่อง ลักษณะ Spatial โดเมน และแปลงโดเมนคุณลักษณะ [15] ในกลุ่มแรก คุณลักษณะตามเส้นได้ง่ายค่าสเกลาสกัดจากขอบเขตตัวเอง กลุ่มที่สองใช้ข้อมูลปริภูมิเพื่อแยกคุณลักษณะรูปร่าง เวกเตอร์ทิศทางระหว่างพิกเซลขอบเขตต่อเนื่องจะเข้ารหัสสำหรับตัวอย่าง โซ่รหัสเทคนิค [16], กลุ่มสุดท้ายของลักษณะการทำงานอยู่บนโดเมนการแปลงฟูรีเยและ Wavelet แปลง

ผลลัพธ์ (ไทย) 2:

การรับรู้ในรูปแบบและพื้นที่ที่เกี่ยวข้องกับรูปทรงที่เป็นลักษณะสำคัญในการระบุและแยกแยะวัตถุ [11, 12, 13, 14] ระยะทางคณิตศาสตร์มาตรฐานที่ใช้ในการคำนวณระดับของความคล้ายคลึงกันระหว่างสองรูปร่าง พวกเขาสามารถแบ่งได้เป็นสามคุณสมบัติที่แตกต่างกันเช่น: ง่ายคุณสมบัติทางเรขาคณิต, คุณสมบัติเชิงพื้นที่โดเมนและเปลี่ยนรูปแบบและบริการโดเมน [15] ในกลุ่มแรกคุณสมบัติรูปร่างที่ใช้สามารถเป็นค่าสเกลาง่ายสกัดจากเขตแดนของตัวเอง กลุ่มที่สองที่ใช้ข้อมูลเชิงพื้นที่ในการสกัดคุณลักษณะรูปร่าง ยกตัวอย่างเช่นเชนเทคนิครหัส [16], เวกเตอร์ทิศทางระหว่างรอยต่อเนื่องพิกเซลมีการเข้ารหัส กลุ่มสุดท้ายคุณสมบัติจะขึ้นอยู่กับการเปลี่ยนแปลงโดเมนเช่นฟูริเยร์แปลงและแปลงเวฟ

ผลลัพธ์ (ไทย) 3:

ในการจดจำรูปแบบและพื้นที่ที่เกี่ยวข้อง รูปร่างเป็นลักษณะสำคัญในการระบุและแยกแยะวัตถุ [ 11 , 12 , 13 , 14 ) ระยะทางมาตรฐานทางคณิตศาสตร์ที่ใช้คำนวณองศาของความคล้ายคลึงกันระหว่างสองร่าง พวกเขาสามารถแบ่งออกเป็นสามคุณสมบัติที่แตกต่างกันเช่นคุณสมบัติทางเรขาคณิตที่เรียบง่าย ลักษณะพื้นที่และโดเมน , โดเมนการแปลงคุณสมบัติ [ 15 ]ในกลุ่มแรก เส้นตามคุณสมบัติได้ง่ายด้านคุณค่าจากสารสกัดขอบเขตนั่นเอง กลุ่มที่สองใช้ข้อมูลเชิงพื้นที่ เพื่อดึงรูปร่าง ลักษณะ ตัวอย่างเช่น เทคนิค [ 16 ] รหัสลูกโซ่ เวกเตอร์ทิศทางระหว่างต่อเนื่องขอบเขตพิกเซลจะเข้ารหัสกลุ่มสุดท้ายของสารคดีจะขึ้นอยู่กับโดเมนการแปลงฟูเรียร์ และความยิ่งใหญ่ เช่นแปลง