matlab基于图像形状的检索

不知道你的建筑物复杂么？？

1、灰度化，边缘检测，获取边缘

2、获取边缘后，获取轮廓坐标

3、将瞎档轮廓坐标转换为相应的极坐标（theta-rho），这里我们主要关心rho，rho为轮廓上的点到该形状重心的距离；

4、根据事先设定的特征来判断，比如

圆形的最小rho相对较大；矩形旅神高有四个明显的峰值；三角形有三个明显的峰值。故可以利用此特性来区拆尺分形状。

德国粗亩皮研究团队给出一个原因，这个原因出乎意料：人类会关注图中对象的形状，深度学习计算机系统所用的算法不一样，它会研究对象的纹理。

首先人类向算法展示大量图片，有的图片有猫，有的没有。算法从图片中找到“特定模式”，然后用模式来做出判断，看看面对之前从未见过的图片应该贴怎样的标签。

神经网络架构是根据人类视觉系统开发的，网络各层连接在一起，从图片中提取抽象特点。神经网络系统通过一系列联系得出正确答案，不过整个处理过程十分神秘，人类往往只能在事实形成之后再解释这个神秘的过程。研究人员修改图片，欺骗神经网络，看看会发生什么事。研究人员发现，即使只是小小的修改，系统也会给出完全错误的答案，当修改幅度很大时，系统甚至无法给图片贴标签。还有一些研究人员追溯网络，查看单个神经元会对图像做出怎样的反应，理解系统学到了什么。

德国图耐旦宾根大学科学家Geirhos领导的团队采用独特方法进行研究。去年，团队发表报告称，他们用特殊噪点干扰图像，给图像降级，然后用图像训练神经网络，研究发现，如果将新图像交给系统处理，这些图像被人扭曲过（相同的扭曲），在识别扭曲图像时，系统的表现比人好。不过如果图像扭曲的方式稍有不同，神经网络就无能为力了，即使在人眼看来图像的扭曲方式并无不同，算法也会犯错。当你在很长的时间段内添加许多噪点，图中对象的形状基本不会受到影响；不过即使只是添加少量噪点，局部位置的架构也会快速扭曲。研究人员想出一个妙招，对人类、深度学习岩差系统处理图片的方式进行测试。

算法将图像分成为小块，接下来，它不会将信息逐步融合，变成抽象高级特征，而是给每一小块下一个决定，比如这块包含自行车、那块包含鸟。再接下来，算法将决定集合起来，判断图中是什么，比如有更多小块包含自行车线索，所以图中对象是自行车。算法不会考虑小块之间的空间关系。结果证明，在识别对象时系统的精准度很高。

1、在菜单栏中依次选择【工具】》【选项板】》【设计中心】选项，打开【设计中心】对话框。

2、在d出的【设计中心】菜单栏中选中【搜索】按钮。

3、此时会d出【搜索】对话框，接着单击【搜索】下拉按钮，选择搜索枯慧御类型，如“图形和块”。

4、然后指定好搜索路径，并根据需要设定搜索条件。

5、单击【立即搜索】按钮即可进行搜索。

6、稍等一会后搜索会结束，如没岩果没有发现在会在【搜索】对话框的左下角显示“找到0个碧信项目”。完成效果图。

---