Zastosowanie transformaty Fouriera-Mellina do kategoryzacji obiektów 3D

• Autorzy: Stasiak B. , Yatsymirskyy M.

Warianty tytułu

EN

Application of Fourier-Mellin transform to categorization of 3D objects

• Języki publikacji: PL

Abstrakty

PL

W pracy zbadano możliwości wykorzystania transformaty Fouriera-Mellina (FMT) w zagadnieniu kategoryzacji obiektów 3D na podstawie zdjęć 2D. Zaimplementowano oparty na FMT algorytm konstrukcji sygnatury obrazu i dokonano weryfikacji jego skuteczności na bazie 3280 obiektów zaprojektowanej specjalnie do badań kategoryzacji (ETH-80). Otrzymano rezultaty wskazujące na możliwość praktycznych zastosowań FMT w tej dziedzinie. Dodatkowo zbadano wpływ wyboru metody zapewniającej niezależność od translacji na skuteczność rozpoznawania obrazów poddanych przekształceniom na płaszczyźnie i w przestrzeni 3D.

EN

This paper investigates the possibilities of application of Fourier-Mellin Transform in the field of 3D objects categorization based on 2D pictures. The FMT-based algorithm of image signature construction was implemented and its effectiveness was verified in the test performed on the image database tailored specifically to categorization research (ETH-80). The obtained results indicate the possibilities of practical application of FMT to the investigated problem. Additionally, the influence of the method of obtaining translation invariance on the effectiveness of image recognition was tested in the case of planar and 3D transformations.

• Wydawca: Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej
• Czasopismo: Zeszyty Naukowe Wydziału ETI Politechniki Gdańskiej. Technologie Informacyjne
• Rocznik: 2005
• Tom: T. 6
• Strony: 185--192
• Opis fizyczny: Bibliogr. 16 poz., 3 rys., 3 tab.

Twórcy

autor

Stasiak B.

• Instytut Informatyki, Politechnika Łódzka

autor

Yatsymirskyy M.

• Instytut Informatyki, Politechnika Łódzka

• Instytut Informatyki, Politechnika Łódzka

Bibliografia

• [1] Swain M.J., Ballard D.H.: Color Indexing, International J. of Computer Vision, 7(1):11-32, 1991
• [2] Schiele B., Crowley J.L.: Recognition without Correspondence using Multidimensional Receptive Field Histograms, International Journal of Computer Vision, 36(1):31-52, 2000
• [3] Turk M., Pentland A.: Eigenfaces for Recognition, J. Cognitive Neuroscience, 3:71-86, 1991
• [4] Murase H., Nayar S.K.: Visual Learning and Recognition of 3D Objects from Appearance International Journal of Computer Vision, 14:5-24, 1995
• [5] Schölkopf B., Support Vector Learning. PhD thesis, Informatik der TU Berlin, 1997.
• [6] Pontil M., Verri A.: Support vector machines for 3d object recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 20(6):637-646, 1998.
• [7] Abu-Mostafa Y., Psaltis D.: Image normalisation by complex moments, IEEE Trans. Pattern Anal. Mach. Intell. 7, 1985, 46–55.
• [8] Rothe I., Voss K., Suesse H.: The method of normalisation to determine invariants, IEEE Trans. Pattern Anal. Mach. Intell. 18, 1996, 366–375.
• [9] Sheng Y., Duvernoy J.: Circular-Fourier radial-Mellin transform descriptors for pattern recognition, J. Opt. Soc. Amer. A 3, 1986, 885–888.
• [10] Milanese R., Cherbuliez M.: A rotation-, translation-, and scale-invariant approach to content-based image retrieval, J. Visual Comm. Image Rep. 10, 186–196, 1999.
• [11] Ghorbel F.: A complete invariant description for gray-level images by the harmonic analysis approach, PatternRecog. Lett. 15, 1994, 1043–1051
• [12] Derrode S., Ghorbel F.: Robust and Efficient Fourier–Mellin Transform Approximations for Gray-Level Image Reconstruction and Complete Invariant Description. Computer Vision and Image Understanding 83, 57–78, 2001.
• [13] Cassinis R., Duina D., Inelli S., Rizzi A.: Unsupervised matching of visual landmarks for robotic homing using Fourier–Mellin transform, Robotics and Autonomous Systems 40 (2002) 131–138
• [14] Leibe B., Schiele B.: Analyzing Appearance and Contour Based Methods for Object Categorization., In International Conference on Computer Vision and Pattern Recognition (CVPR'03), Madison, Wisconsin, June 2003.
• [15] Yatsymirskyy M.: The fast Ortogonal Trigonometric Transform Algorithms, Lviv:Academic Express 1997
• [16] Belongie S., Malik J., Puzicha J., Matching Shapes, In International Conference on Computer Vision (ICCV'01), 2001.

Uwagi

PL

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.