Two objects may be close in the Hausdorff metric, yet have very different geometric and topological properties. We examine other methods of comparing digital images such that objects close in each of these measures have some similar geometric or topological property. Such measures may be combined with the Hausdorff metric to yield a metric in which close images are similar with respect to multiple properties.


翻译:在Hausdorf衡量标准中,两个物体可能相近,但具有非常不同的几何和地形特性。我们研究了其他比较数字图像的方法,这样,每个测量标准中接近的物体具有相似的几何或地形特性。这些措施可以与Hausdorf衡量标准结合起来,得出一个在多个特性方面接近图像的尺度。

0
下载
关闭预览

相关内容

专知会员服务
88+阅读 · 2021年6月29日
【图与几何深度学习】Graph and geometric deep learning,49页ppt
专知会员服务
76+阅读 · 2021年3月16日
剑桥大学《数据科学: 原理与实践》课程,附PPT下载
专知会员服务
49+阅读 · 2021年1月20日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
已删除
将门创投
3+阅读 · 2018年11月20日
Graph Analysis and Graph Pooling in the Spatial Domain
Geometric Graph Convolutional Neural Networks
Arxiv
10+阅读 · 2019年9月11日
Arxiv
5+阅读 · 2018年5月31日
Arxiv
8+阅读 · 2018年5月15日
Arxiv
3+阅读 · 2018年2月11日
VIP会员
相关资讯
已删除
将门创投
3+阅读 · 2018年11月20日
Top
微信扫码咨询专知VIP会员