Matching shapes is very important f

Matching shapes is very important for shape classication
and image retrieval, therefore, shape descriptors play a major rule in Document Image Analyses such as in character
and handwriting recognition, symbol and logo recognition,
or generally speaking shape recognition and matching. In
the literature, we can and several surveys summarizing advances in shape descriptors either in the context of shape
analysis [25] or in the more general context of computer vision and pattern recognition [25, 28]. Dierent taxonomies
of shape descriptors according to different points of view
have been presented trying to make some order in this wide
field. Pavlidis[22], divides the shape descriptors in several
binary classes: external and internal algorithms; scalar and
domain transforms; and information preserving and information non-preserving methods. Mehtre et al.[19], classified shape descriptors as boundary based methods and region based methods. Zhang et al.[28], differentiate between
contour and region based descriptors but they simplify the
classification by only differentiating between structural and
global descriptors. Trier et al.[25] introduced another point
of view distinguishing among features extracted from binary
images and gray-scale images. Another taxonomy divides
them to appearance-based models, where gray or color values of images are directly used to measure similarity, and
feature based methods which use characteristics and descriptors of the target objects. In general, successful description
of a shape contains suffcient information to gather similar and distinguish between different target objects. These
methods can be divided into two categories, the area-based
methods and the boundary-based methods. Simple descriptors, for example perimeter length, curvature, and bending
energy, have been applied widely but proved to be effcient
only as part of a feature set or for eliminating far candidates.
Shapes of the same object can be defined as an equivalence
class under a group of transformations mostly include scale,
translation and small distortions. Shape classifying in such
case, is to belong a given shape to it's equivalence class using
shape similarity measurement. Appearance based method
makes a direct use of gray values within the visible portion of the objects, where feature based methods focus on
the shape geometry. The appearance information is used to
align and find the correspondences of gray scale values to be
compared.

ผลลัพธ์ (ไทย) 1:

จับคู่รูปร่างเป็นสิ่งสำคัญมากสำหรับร่าง classicationเรียกภาพ ดังนั้น ตัวบอกรูปร่างเล่นกฎสำคัญในเอกสารวิเคราะห์รูปภาพเช่นในอักขระและการรู้จำลายมือ การรู้สัญลักษณ์และโลโก้หรือรูปร่างโดยทั่วไปการรับรู้และการจับคู่ ในวรรณกรรม ที่เราสามารถ และหลาย surveys สรุปความก้าวหน้าในตัวบอกลักษณะรูปร่างทั้งในบริบทของรูปร่างวิเคราะห์ [25] หรือ ในบริบททั่วไปของคอมพิวเตอร์รู้วิสัยทัศน์และรูปแบบ [25, 28] ระบบ Dierentของตัวบอกรูปร่างตามแตกต่างมีการนำเสนอพยายามทำบางอย่างสั่งทั้งนี้ฟิลด์ ตัวบอกลักษณะรูปร่างในหาร Pavlidis [22],ฐานสองชั้น: กระบวนการภายใน และภายนอก สเกลา และแปลงโดเมน และเก็บรักษาข้อมูลและข้อมูลวิธีการรักษาไม่ Mehtre et al. [19], จัดรูปร่างตัวบอก ตามขอบตามวิธีการและวิธีตามภูมิภาค แตก al. et จาง [28],เส้นและภูมิภาคตามตัวบอก แต่พวกเขาทำการการจัดประเภท โดยเฉพาะ ความแตกต่างระหว่างโครงสร้าง และตัวบอกส่วนกลาง เทรียร์ et al. [25] แนะนำจุดอื่นมุมมองแยกระหว่างคุณลักษณะดึงข้อมูลจากไฟล์ฐานสองภาพและภาพสีเทาขนาด แบ่งจำแนกประเภทอื่นเขาตามลักษณะรูปแบบ ที่ค่าสีเทาหรือสีของภาพโดยตรงใช้ในการวัดความคล้ายคลึงกัน และลักษณะการทำงานตามวิธีการที่ใช้ลักษณะและตัวแสดงรายละเอียดของวัตถุเป้าหมาย ในคำอธิบายทั่วไป สำเร็จของรูปร่างประกอบด้วยข้อมูล suffcient เพื่อรวบรวมคล้ายคลึง และความแตกต่างระหว่างวัตถุเป้าหมายที่แตกต่างกัน เหล่านี้วิธีสามารถแบ่งออกเป็นสองประเภท ตั้งตามวิธีการและวิธีตามขอบเขต ตัวบอกอย่างง่าย ตัวอย่างขอบเขตความยาว โค้ง และดัดพลังงาน มีการใช้กันอย่างแพร่หลาย แต่พิสูจน์ให้ effcientเป็นส่วนหนึ่ง ของชุดคุณลักษณะ หรือกำจัดผู้สมัครไกลเท่าสามารถกำหนดรูปร่างของวัตถุเดียวกันเป็นการเทียบเท่าคลาสภายใต้กลุ่มของแปลงรวมมาตราส่วน ส่วนใหญ่แปลและบิดเบือนขนาดเล็ก รูปร่างประเภทในดังกล่าวกรณี จะอยู่ในรูปที่กำหนดให้เทียบเท่าระดับใช้รูปร่างคล้ายวัด วิธีใช้ลักษณะทำให้ใช้ตรงค่าสีเทาภายในส่วนมองเห็นวัตถุ ซึ่งคุณลักษณะตามวิธีเน้นรูปทรงเรขาคณิต ข้อมูลลักษณะจัดตำแหน่ง และค้นหาการโต้ตอบของค่าระดับสีเทาให้เปรียบเทียบ

ผลลัพธ์ (ไทย) 3:

การจับคู่รูปร่างเป็นสิ่งสำคัญมากสำหรับ
classication รูปร่างและดึงภาพ , ดังนั้น รูปร่างในการเล่นกฎที่สำคัญในการวิเคราะห์ภาพเอกสาร เช่น ตัวอักษร และสัญลักษณ์
ลายมือได้ รับรู้และโลโก้ ,
หรือโดยทั่วไปการพูดการรับรู้รูปร่าง และการจับคู่ ใน
วรรณกรรมเราสามารถสรุปความก้าวหน้าในรูปร่างหลายแบบในทั้งในบริบทของการวิเคราะห์รูปร่าง
[ 25 ] หรือในบริบททั่วไปของวิสัยทัศน์คอมพิวเตอร์และการรู้จำแบบ [ 25 , 28 ] dierent ส่วนประกอบ
รูปร่างตามจุดต่าง ๆในมุมมองของ
ได้ถูกนำเสนอจะทำคำสั่งในทุ่งกว้าง
นี้ pavlidis [ 22 ] แบ่งรูปร่างในหลาย
เรียนไบนารี : อัลกอริทึมภายในและภายนอก ;
สเกลาร์และโดเมน แปลง และข้อมูลการรักษาและข้อมูลที่ไม่ใช่การรักษาวิธี mehtre et al . [ 19 ] จัดรูปร่างในวิธีการและขอบเขตตามเขต ตามวิธี Zhang et al . [ 28 ] ความแตกต่างระหว่าง
รูปร่างและในภูมิภาคตามแต่พวกเขาง่าย
การจำแนกความแตกต่างระหว่างโครงสร้าง และโดยเฉพาะ
ทั่วโลกใน . เทรียร์ et al . [ 25 ] แนะนำอีกจุดของมุมมองที่แตกต่างระหว่างคุณลักษณะ

ภาพสกัดจากไบนารี และสีเทาขนาดภาพ อนุกรมวิธานอื่นแบ่ง
ให้ปรากฏตามรูปแบบที่สีเทาหรือสีค่าของภาพโดยตรง ใช้วัดและ
ความเหมือนคุณลักษณะที่ใช้วิธีการที่ใช้ในลักษณะของเป้าหมายและวัตถุ โดยทั่วไป
รายละเอียดประสบความสำเร็จของการรวบรวมข้อมูล suffcient ประกอบด้วยรูปร่างคล้ายคลึงกัน และแยกความแตกต่างระหว่างวัตถุที่แตกต่างกันเป้าหมาย วิธีการเหล่านี้
สามารถแบ่งออกเป็นสองประเภท วิธีพื้นที่ตาม
และขอบเขตตามวิธี ในง่ายตัวอย่างเช่นความยาวเส้นรอบรูปความโค้ง
พลังงานและดัด , มีการใช้กันอย่างแพร่หลาย แต่พิสูจน์แล้วว่าเป็น effcient
เท่านั้นเป็นส่วนหนึ่งของชุดคุณลักษณะหรือการสมัครไกล .
รูปทรงของวัตถุเดียวกันสามารถกำหนดเป็นค่า
ชั้นภายใต้กลุ่มของการแปลงส่วนใหญ่ประกอบด้วยมาตราส่วน
การแปลและการบิดเบือนเล็กน้อย หมวดหมู่ในรูปร่างเช่น
กรณี จะเป็นรูปร่างให้มันเป็นชั้นสมมูลใช้
รูปร่างการวัดความคล้ายคลึงกัน ลักษณะวิธีการ
ตามทำให้การใช้งานโดยตรงค่าสีเทาในส่วนที่มองเห็นของวัตถุ ซึ่งคุณลักษณะตามวิธีการมุ่งเน้น
รูปทรงเรขาคณิต ข้อมูลที่ปรากฏจะใช้

จัดและพบจดหมายของระดับสีเทาจะเปรียบเทียบค่า
.