Image features based on morphological class distribution functions and its application to binary pattern recognition

• Autorzy: Świercz M. , Iwanowski M.

Warianty tytułu

PL

Cechy obrazu wykorzystujące morfologiczne funkcje dystrybutywne klas i ich zastosowanie do rozpoznawania wzorców binarnych

• Języki publikacji: EN

Abstrakty

EN

The paper presents novel morphological approach to binary pattern recognition based on morphological image processing. Depending on its spatial properties, each pixel belonging to binary pattern is assigned to one of four spatial classes using the morphological classification approach. Based on it, the class distribution functions are produced, normalized and sampled to obtain feature vector consisting of morphological features. The effectiveness of the proposed method was validated using nearest neighbour classification on the reference set of patterns.

PL

Wartykule przedstawiono nowe podejście do rozpoznawania wzorców binarnych wykorzystujące morfologiczne przetwarzanie obrazów. Każdemu pikselowi wzorca binarnego jest przypisywana jedna z czterech klas przestrzennych. W oparciu o tę klasyfikację generowane są funkcje dystrybutywne klas, które są następnie normalizowane i próbkowane w celu uzyskania wektora cech zawierającego cechy morfologiczne. Skuteczność metody została potwierdzona eksperymentalnie z wykorzystaniem klasyfikacji najbliższego sąsiada na referencyjnym zbiorze wzorców.

Słowa kluczowe

EN

pattern recognition; morphological image processing

PL

rozpoznawanie wzorców; morfologiczne przetwarzanie obrazów

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2012
• Tom: R. 88, nr 2
• Strony: 132--135
• Opis fizyczny: Bibliogr. 14 poz., rys., wykr.

Twórcy

autor

Świercz M.

autor

Iwanowski M.

• Institute of Control and Industrial Electronics, Faculty of Electrical Engineering, Warsaw University of Technology, ul. Koszykowa 75, 00-662 Warszawa,

Bibliografia

• [1] M.Iwanowski, M.Swiercz, “Pattern recognition using morphological class distribution functions and classification trees” LNCS 6671, Springer, 2011, pp.143-154
• [2] P.Soille, P.Vogt, “Morphological segmentation of binary patterns” Pattern Recognition Letters, vol.30, 2009.
• [3] M.Iwanowski, “Morphological Classification of Binary Image Pixels”, Machine Graphics and Vision vol. 18, 2009.
• [4] M.Iwanowski, P.Soille “Fast Algorithm for Order Independent Binary Homotopic Thinning” in: Adaptive and Natural Computing Algorithms, LNCS 4433, Springer-Verlag, 2007, pp.605- 615
• [5] M.Iwanowski, “Binary Shape Characterization using Morphological Boundary Class Distribution Functions”, Advances in Intelligent and Soft Computing - Computer Recognition Systems 2, Springer 2007.
• [6] P.Vogt, K.Riitters, M.Iwanowski, C.Estreguil, J.Kozak, P.Soille, “Mapping Landscape Corridors” Ecological Indicators, vol.7, no.2, 2007.
• [7] P.Soille, “Morphological image analysis”, Springer Verlag, 1999, 2004.
• [8] L.Vincent, “Morphological grayscale reconstruction in image analysis: applications and efficient algorithms”, IEEE Trans. on Image Processing, Vol.2, No.2, April 1993.
• [9] M.Iwanowski, J.Szostakowski, S.Skoneczny, “Image features extraction using mathematical morphology” Proc. of: SPIE Int. Symposium on Optical Science, Engineering and Instrumentation Applications of Digital Processing XX (SPIE Proc 3164), pp.565-572
• [10] J.Serra, L.Vincent, “An overview of morphological filtering”, Circuit systems Signal Processing, 11(1), 1992.
• [11] L.Vincent,“Efficient computation of various types of skeletons”, In: Loew, M., ed. Medical Imaging V: Image Processing. Volume SPIE-1445 (1991) pp.297–311
• [12] T.Kong, A.Rosenfeld, “Digital topology: Introduction and survey”,Computer Vision, Graphics, and Image Processing, 1989, vol.48, pp.357–393
• [13] J.Serra, “Image analysis and mathematical morphology, vol.1”, Academic Press, 1983.
• [14] Rosenfeld A., “Connectivity in digital pictures”, Journal of the ACM, 1970, vol.17, no.1 pp.146-160