为了提高常用形状匹配方法的检索性能，本文提出了两种知觉动机形态学策略（PMMS）。 首先，介绍了两种人类感知习惯，它们与形状检索具有重要关系。 其次，通过形态学操作对这两个习俗进行了适当的建模。 最后，将提出的PMMS应用于改进一种流行的形状匹配方法，即内部距离形状上下文（IDSC）的检索性能，然后利用局部约束扩散过程（LCDP）方法进一步提高检索性能。 这种组合在MPEG-7数据集上实现了98.56％的检索率。 我们还对Swedish Leaf数据集，ETH-80数据集和Natural Sil

在本文中，我们提出了一种基于视觉感知的形状分解和匹配的新方法，该方法使用多个尺度下的凸角。 我们的方法由多尺度形状分解过程和轮廓线段匹配过程组成。 首先，形态学运算用于更稳定和视觉感知的拐角，以在多个尺度下分割轮廓。 其次，引入了人类的感知习惯和片段序列，并在匹配算法中对建模对象的片段进行了建模。 最后，通过基于多个尺度的融合策略来实现两个形状之间的最终相似性。 我们的方法在包括MPEG-7和Kimia数据库在内的知名形状数据库中进行了评估。 实验检索结果以及与其他方法的比较清楚地表明了该方法的