Rozpoznawanie tekstur z wykorzystaniem bazy modeli

• Autorzy: Szymczyk T.

Warianty tytułu

EN

Textures recognition using model database

• Języki publikacji: PL

Abstrakty

PL

Problem rozpoznawania obrazów jest zagadnieniem trudnym i złożonym. Jednym z możliwych sposobów jego realizacji, jest wykorzystanie bazy modeli i porównywanie ich z obrazem badanym pochodzącym z kamery. Możliwe jest rozpoznawanie w oparciu o: kształt, kolor czy też teksturę. W artykule zaprezentowano wykorzystanie zmodyfikowanej metody dopasowania wzorców do rozpoznawania obrazów, pochodzących z rzeczywistej kamery przemysłowej. Przedstawiono także podstawowe wady i ograniczenia klasycznej metody dopasowania wzorców.

EN

The problem of the image recognizing is difficult and complex question. The using the base of models and comparing their to image from camera is one of possible ways of his realization. Image recognizing is possible in support about shape, colour or texture also. In article modified method template matching to recognizing images from real industrial camera was presented. Moreover basic disadvantages and limitations of simple template matching method was shown in the paper.

Słowa kluczowe

PL

rozpoznawanie tekstur; przetwarzanie obrazów; dopasowanie wzorców

• Wydawca: Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
• Czasopismo: Prace Instytutu Elektrotechniki
• Rocznik: 2011
• Tom: Z. 249
• Strony: 95--115
• Opis fizyczny: Bibliogr. 28 poz., rys., tab.

Twórcy

autor

Szymczyk T.

• Instytut Informatyki, Wydział Elektrotechniki i Informatyki, Politechnika Lubelska,

Bibliografia

• 1. Brunelli R.: Template matching techniques In computer Vision. Theory and practice, John Wiley & Sons, Ltd, 2009, ISBN: 978-0-470-51706-2.
• 2. Canny J.: A Computational Approach to Edge Detection, IEEE Transactions on Pattern Analysis and Machine Intelligence, tom. PAMI-8, No. 6, 1986, str. 679-698.
• 3. Choraś R. S.: Komputerowa Wizja Metody interpretacji i identyfikacji obiektów, EXIT Warszawa, 2005
• 4. Chen C. H., Pau L. F., Wang P. S. P. (eds.): The Handbook of Pattern Recognition and Computer Vision (2nd Edition), World Scientific Publishing Co.,1998
• 5. Chen T., Wu Q.H, Rahmani-Torkman R., Hughes J.: Apseudo top-hat mathematical morphological approach to edge detection in dark regions. Pattern Recognition 2002, tom 35(1) 2002, str. 199-210.
• 6. Cootes T.F, Edwards G.J., Taylor C.J.: Active appearance models, IEEE Trans, PAMI 2001, tom 23(6), str. 681-685.
• 7. Cieslak M., Heilpern S.: Rozpoznawanie obrazów, PWN Warszawa 1988.
• 8. Cieslak M., Heilpern S., Ostasiewicz W., Smoluk A.: Zbiory Rozmyte, Rozpoznawanie obrazów, Teoria katastrof, wybór tekstów, PWN Warszawa 1988.
• 9. Cyganek.B.: Komputerowe przetwarzanie obrazów trójwymiarowych, AOW Exit Warszawa, 2002.
• 10. Doros M.: Przetwarzanie obrazów, WSISiZ Warszawa, 2003.
• 11. Haralick R.,Sternberg S., Zhuang X,: Image analysis Rusing mathematical morfology, IEEE Trans, PAMI 1987, tom 9(4), str. 532-550.
• 12. Kato Y., Hirano T., Nakamura O.: Fast template matching algorithm for contour image based on its chain code description applied for human face identification, www.sciencedirect.com Pattern Recognition 40, 2007.
• 13. Mai L. C.: Introduction to computer vision and image processing, Department of Pattern Recognition and Knowledge Engineering Institute of Information Technology, Hanoi, Vietnam eeexplore.ieee.org/iel5/10500/33260/01572091.pdf?arnumber=1572091.
• 14. Manjunath B.S., OhmVinod J. R. , Vasudevan V., Yamada A.: Color and texture descriptors, www-itec.uni-klu.ac.at/~harald/mm02/MPEG7-2.pdf
• 15. Mosorov V., Kaczorowski D.: Nowa metoda detekcji defektów tekstury, Automatyka 20.06, tom 10, zeszyt 3.
• 16. Myler H. R., Weeks A. R., Jr.: The Pocket Handbook Of Image Processing Algorithms In C, Prentice Hall 1993.
• 17. Nixon M. S., Aguado S.A.: Feature Extraction and Image Processing, First Edition, Newnes, 2005.
• 18. Pratt W. K.: Digital image processing; 2001 John Wiley & Sons, Inc.
• 19. Ramanan D., Forsyth D.A, Barnard K.: Building models of animals from video, IEEE Transactions on Pattern Analysis and Machine Intelligence 2006, Volume 28 , Issue 8, ISSN: 0162-8828.
• 20. Russ J. C.: The image processing handbook, CRC PRESS, 2005.
• 21. Seul M., O`Gorman L.: Practical algorithms for image analysis, Cambridge University Press, 2000.
• 22. Szymczyk T.: Metoda dopasowania wzorców w rozpoznawaniu obrazów-ograniczenia, problemy i modyfikacje metody , Automatyka tom 12, zeszyt 2, UWND 2008, str. 449-462.
• 23. Tadeusiewicz R., Flasiński M.: Rozpoznawanie obrazów, PWN Warszawa, 1991.
• 24. Teh C.C, Chin R.T.: On image analysis by the methods of moments. IEEE Trans PAMI 1988, tom 10, str. 496-513.
• 25. Umeda A., Sugimura J., Yamamoto Y.: Characterization of wear particles and their relations with sliding conditions, Wear 216, str. 220-228,1998.
• 26. Zieliński T. P.: Cyfrowe przetwarzanie sygnałów Od teorii do zastosowań, WKŁ Warszawa, 2005.
• 27. Zhou G., Leu M., Blackmore D.: Fractal geometry modeling with applications in surface characterisation and wear prediction. Int. Journ. of Machine Tools and Manufact. Tom 35, No. 2, 1995, str. 203-209.
• 28. Yamada A.,. Pickering M, Jeannin S., Cieplinski L.: Ohm J. R., Kim M. ,MPEG-7 visual part of experimentation model version 10.0, ISO/IEC JTC1/SC29/WG11/N4063, 2001.