1 / 25

人機互動期末 報告

人機互動期末 報告. 主題 ： A Novel Contour Descriptor for 2D Shape Matching And Its Application to Image Retrieval. 學生 : 郭晟宏 學號： P96994038 指導教授：陳響亮 教授 研究所：製造資訊與系統研究所

rose-salas
Download Presentation

人機互動期末 報告

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 人機互動期末報告 主題：A Novel Contour Descriptor for 2D Shape Matching And ItsApplication to Image Retrieval 學生: 郭晟宏 學號：P96994038 指導教授：陳響亮 教授 研究所：製造資訊與系統研究所 實驗室：CAD/CAM 授課老師：連震傑 副教授 Institute of Manufacturing Information and Systems National Cheng-Kung University. 1

  2. 七、Conclusion 六、Experimental results 二、Introduction 一、Abstract 五、Algorthm 三、Motivation 四、Releted Works Outline 2 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  3. 一、Abstract 提出了一種新的補償機制用於2D形狀圖像檢索算法。提取了目標區域的特徵，並補償了目標最小外接圓下的背景區域特徵。提取常用於描述區域特徵的Hu不變矩和Zernike不變矩作為圖像特徵。 圖像相似度用歸一化特徵向量的歐氏距離表示。該方法計算簡單,而且可有效補償人眼的視覺感受。該算法較僅基於目標區域的檢索算法有更好的檢索精度和召回率。 3 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  4. 二、 Introduction • 此篇論文提出一種新的已形狀目標的最小外接圓為特徵提取區域的目標、背景補償機制的匹配方法，該方法不僅曲目標區域的特徵，而且總合考慮了在該外接圓下的背景區域特徵，其特點在於： • 形狀目標與背景反映了圖像形狀的目標區域信息，也考慮了背景區域對視覺感知特性一致。 • 以目標輪廓的最小外接圓為特徵提取區域的補償方法不僅很好地反映了圖像形狀的目標區域信息，也考慮了背景區域對視覺感知的補償特性。 • 以常用的Hu不變矩和Zermike不變矩做為圖像特徵進行相似性度量，具有平移、縮放、旋轉不便等特性。該方法不僅計算見單，而且直觀地反應人眼的視覺特性。 4 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  5. 二、 Introduction-不變矩 • 矩特徵主要表徵了圖像區域的幾何特徵，又稱為幾何矩，由於其具有旋轉、平移、尺度等特性的不變特徵，所以又稱其為不變矩。 • 在圖像處理中，幾何不變矩可以作為一個重要的特徵來表示物體，可以據此特徵來對圖像進行分類等操作。 5 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  6. 三、 Motivation 研究動機： 因為覺得這個圖像輪廓判斷感覺很有趣，而且數學運算較簡單，檢索精度也較高，所以想要了解這篇的內容，並希望以後能用上。 先找出輪廓，再找出最小外接圓，並且將最小外接圓切成數個區域，並計算區域間的點個數，這個方法真的比較簡單，而且證實精度也較高，所以適合拿來判斷簡單的圖形使用。 6 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  7. 四、Releted Works -Hu不變矩 HU矩 幾何矩是由Hu在1962年提出 矩： 統計學中，被用來反映隨機變量的分佈情況。 力學中，被用作刻畫空間物體的質量分佈。 圖像中：將圖像的灰度值看作是一個二維或三維的密度分佈函數，那麼矩方法即可用於圖像分析領域並用作圖像特徵的提取。 7 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  8. 四、Releted Works-Hu不變矩 Hu在文中提出了7個幾何矩的不變量，這些不變量滿足於圖像平移、伸縮和旋轉不變。 Hu的7種矩為： u1 = m20 + m02 u2 = ( m20 - m02 ) 2 + 4m2 11 ( 4) u3 = ( m30 - 3m12 ) 2 + ( 3m21 + m03 ) 2 u4 = ( m30 + m12 ) 2 + ( m21 +m03 ) 2 u5 = ( m30 - 3m12 ) ( m30 +m12 ) [ ( m30 + m12 ) 2 - 3( m21 + m03 ) 2 ] +( 3m21 - m03 ) ( m21 + m03 ) [ 3( m30 + m12 ) 2 - ( m21 + m03 ) 2 ] u6 = ( m20 - m02 ) [ ( m30 + m12 ) 2 - ( m21 +m03 ) 2 ] + 4m11 ( m30 + m12 )( m21 + m03 ) u7 = ( 3m12 - m30 ) ( m30 +m12 ) [ ( m30 +m10 ) 2 - 3( m21 +m03 ) 2 ] +( 3m21 - m03 ) ( m21 +m03 ) [ 3 ( m03 + m12 ) 2 - ( m12 +m03 ) 2 ] 8 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  9. 四、Releted Works-Zermike不變矩 • Zernike矩是一種正交複數矩，它所利用的正交多項式集是一個在單位圓內(D2：x2 + y2 ≦1)的完備正交集，在計算Zernike moments方面可以分為三個步驟： 1.影像的徑向函數(radial polynomials) 9 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  10. 四、Releted Works-Zermike不變矩 2.Zernike的基底函數 3.Zernike moments measurement 表示式 10 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  11. 五、 Algorithm-最小外接圓補償機制描述 傳統的基於形狀的圖像檢索方式考慮了圖像中目標(輪廓封閉區域)的匹配，忽視了背景(本文只最小外接元件去目標所得)在人的視覺感受中的作用。 本文提出的以最小外接圓為特徵提取區域的目標、背景補償機制的匹配方法，不僅題曲目標區域的特徵，而且綜合考慮了在該外接圓下的背景區域特徵。 11 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  12. 五、 Algorithm-最小外接圓補償機制描述 • 首先把原始圖像中的目標統一到其最小外接圓下，如：圖(a)為原始圖像(N*M)，圖(b)中目標的最小外接圓的圖像(2R+1)*(2R+1)下，R為半徑，圖(c)為圖(b)中目標的最小外接圓下的背景(白色為背景區域圖像)，分別提取目標與背景的7個Hu不變矩和若干階Zernike矩特徵進行相似性度量。 12 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  13. 五、Algorithm-補償機制使用類型 （a）為原圖像與蘋果的形狀（b）是蘋果的輪廓檢測 Canny算子 （c）採樣結果使用S. Belongie, J. Malik, J.Puzicha所提出論文”Shape matching andobjectrecognition using shape contexts”的算式 （d）是其最小採樣輪廓和外切圓，使用CPDH d a b c 13 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  14. 五、 Algorithm-建構CPDH • 對物件圖像邊界上提取和採樣點，可以建構出CPDH。 • 1.首先，我們用圖像物件重心為中心。 • 2.以重心與圖形輪廓的點最遠的距離建立一個半徑最小外接圓。 • 例子圖 1。 • 我們將外接圓以同心圓和平等的間隔角度分成幾個部份，。如圖 2。 • 每個部分可表示為 • 為半徑的同心圓 • 為角度空間 • 為區域間的點各數，例如下圖中count=4，有4個點在區域間。 圖1 圖2 14 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  15. 五、 Algorithm-建構CPDH 步驟1：輸入一個二進制圖像形狀。 步驟2 ：取出物體輪廓點與 Canny算子。 步驟3：圖像形狀取出來 N點的輪廓，X和Y坐標： 步驟4：計算圖像形狀重心的 。 步驟5：設置重心為原點，轉換P為極座標。 where 是 and 點之間的距離。 是 與 x-axis之間的角度。 15 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  16. 五、 Algorithm-建構CPDH 步驟6：得到最小外接圓與中心點 和半徑 。 where 步驟7 ：將 區域放進C中。 步驟8：透過計算每一區中的點個數建構出圖像圖形的CPDH。 16 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  17. 六、 Experimental results – 形狀圖案資料庫 實驗中使用了3個常用的形狀測試圖案資料庫，分別是： Kimia’s-25 shape Kimia’s-99 shape MPEG-7 shape data set (1400 shapes) 17 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  18. 六、 Experimental results – Kimia’s-25 shape 6大類 Kimia’s-25 shape 18 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  19. 六、 Experimental results – Kimia’s-99 shape 9大類 Kimia’s-99 shape 19 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  20. 六、 Experimental results – MPEG-7 shape 70大類基本圖形 MPEG-7 shape 20 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  21. 七、實驗結果 本文提出的以目標形狀的最小外接圓為特徵提取區域的目標、背景補償機制的匹配方法，(a)圖給出了以Haibin Ling’sshapes database中部分圖像做為查詢圖像檢索返回的前12福圖像的結果，圖像上面的數字標識該圖像在圖像資料庫中的位置，第一幅為查詢圖像，後面已相似性大小排列，檢索結果令人非常滿意。圖基於Hu不變矩做為圖像特徵， (b)圖基於Zernike不變矩做為圖像特徵，實驗中Zernike矩的階數取自文獻[1]， (c)圖使用CPDH，從(c)圖上返回的結果來看基於CPDH的檢索結果要優於原不變矩。 [1] 21 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  22. 七、實驗結果-Hu不變矩 22 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  23. 七、實驗結果-Zernike不變矩 23 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  24. 七、實驗結果- CPDH (c) 24 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

  25. 感謝您的耐心聆聽! THANKS FOR YOUR ATTENTION! 25 Institute of Manufacturing Information and Systems, National Cheng-Kung University.

More Related