基于字符串核的手绘草图识别方法技术

本发明专利技术公开了一种基于支持向量机的核矩阵近似方法，该方法包括以下步骤：首先基于区域填充的思想将手绘草图映射为特征字符串，其次通过支持向量机(Support?Vector?Machine，SVM)基于字符串核(String?Kernelho)对训练样本进行训练，获得分类器，然后通过训练得到的分类器对待识别的草图进行分类和识别，将模糊，不规则的手绘草图映射为精确的几何形状。与现有技术相比，本发明专利技术的方法与草图的位置，大小，绘制方式无关，允许用户按照自己习惯的方式进行草图绘制。基于字符串核的草图识别方法识别准确率较高，且实现简单。

【技术实现步骤摘要】

本专利技术涉及基于核方法的手绘草图识别。
技术介绍
本专利技术所涉及的
技术介绍
包括以下三个方面一、手绘草图识别手绘草图识别是将笔式交互获取的模糊的草图表达映射至精确的图形表达，即从人机交互过程中不断增长的草图信息中挖掘草图形状约束，在领会用户本来意图的基础上，把自由的、不规则的草图识别成为规则的、精确的几何形状。目前主要存在三种方式的图形识别方法，即基于笔划表示的方法；基于直线、弧、 曲线等图元表示的方法；基于几何特征的图形识别方法。1、基于比划的表示方法通常情况下，草图识别系统通过笔式交互方式获取的草图表现为若干由用户在落笔与提笔间的取样点序列构成的笔划。笔划是图形重要的构成信息。早期的系统视笔划为符号，赋予它特定的含义，将笔划的识别等同于图形的识别。单笔划识别中，较为经典的是 Rubine方法，该方法简单有效，但它要求用户必须以固定模式的笔划来勾勒图形，而且图形构成比较简单。2、基于图元的表示方法基于图元表示将图形表示为直线、弧、曲线等图元在一定空间关系下的组合。基于图元的方法通常包含分割、拟合、规整、识别等步骤。用户绘制的草图可以自动拆分成图元及其关系，图形模板的训练不需要本文档来自技高网...

【技术保护点】
１．一种基于字符串核的手绘草图识别方法，该方法包括以下步骤：步骤一，将手绘草图映射为特征字符串，对输入的手绘草图进行等距离采样，采样距离阈值根据经验选择５像素，并且限定采样的时间阈值内（０．７秒）连续采样一个草图；将采样的手绘草图映射成特征字符串，还包括以下步骤：取一正整数ｎ；计算采样到的手绘草图的外接矩形，并将草图的外接矩形均分为ｎ２份；每一个分割后获得的小矩形都可以使用二维坐标ｘ，ｙ来表示，其中１≤ｘ，ｙ≤ｎ并且ｘ，ｙ∈Ｎ；当且仅当一个小矩形的中心点落在了手绘草图围成的区域内时，我们认为该小矩形被填充了；将一个手绘草图映射成了一个长度为ｎ２的特征字符串；步骤二，通过支持向量机基于字符串核对...

【技术特征摘要】
1.一种基于字符串核的手绘草图识别方法，该方法包括以下步骤步骤一，将手绘草图映射为特征字符串，对输入的手绘草图进行等距离采样，采样距离阈值根据经验选择5像素，并且限定采样的时间阈值内(0.7秒)连续采样一个草图；将采样的手绘草图映射成特征字符串，还包括以下步骤取一正整数η ；计算采样到的手绘草图的外接矩形，并将草图的外接矩形均分为η2份； 每一个分割后获得的小矩形都可以使用二维坐标χ，y来表示，其中1 < χ，y < η并且χ， y e N;当且仅当一个小矩形的中心点落在了手绘草图围成的区域内时，我们认为该小矩形被填充了 ；将一个手绘草图映射成了一个长度为η2的特征字符串；步骤二，通过支持向量机基于字符串核对作为训练样本的采样草图进行训练，获得分类器，使用格搜索进行参数调优，选择最佳的参数C，gama，并使用获得的C，gama及步骤一中选定的正整数η对整个训练集进行训练，获取支持向量机模型；字符串核通过两个字符串间的编辑距离来度量这两个字符串的相似度；所述编辑距离为字符串一变换为字符串二所用的最少字符操作数；步骤三，通过训练得到的分...

【专利技术属性】
技术研发人员：廖士中，段孟华，
申请(专利权)人：天津大学，
类型：发明
国别省市：12