Segmentacja obrazów kolorowych wzorcami nieregularnymi

• Autorzy: Żorski W. , Samsel P.

Warianty tytułu

EN

Colour image segmentation with irregular patterns

• Języki publikacji: PL

Abstrakty

PL

Artykuł porusza zagadnienie rozpoznawania obiektów na obrazach kolorowych, z pominięciem etapu ekstrakcji cech. Na etapie przetwarzania wstępnego, jedynym poprzedzającym segmentację, dokonywana jest kwantyzacja kolorów, mająca na celu uniknięcie problemów związanych ze stosowaniem pełnej przestrzeni barw RGB. Proces segmentacji wykorzystuje uogólnioną transformatę Hougha w formie narzędzia rozpoznawania obiektów nieregularnych. Zagadnieniu kwantyzacji kolorów poświęcono szczególną uwagę, gdyż ma ono decydujące znaczenie dla jakości rozpoznawania. Wybór konkretnej techniki kwantyzacji powinien być podyktowany charakterem analizowanych, w danym systemie widzenia komputerowego, obrazów wejściowych.

EN

This paper considers the problem of object recognition in colour images, excepting the feature extraction process. On the pre-processing stage, the only preceding segmentation, a colour quantisation technique is applied to avoid the use of a whole RGB colour space. The generalized Hough transform is used as a tool of segmentation to identify irregular objects. The colour quantisation process is essential for the recognition reliability and received special attention. In a given computer vision system, the choice of a quantisation technique should be dictated by the nature of analyzed input images.

Słowa kluczowe

PL

widzenie komputerowe; rozpoznawanie obrazów; segmentacja; transformata Hough'a; grupowanie; kwantyzacja kolorów

EN

computer vision; image recognition; segmentation; Hough transform; clustering

• Wydawca: Instytut Teleinformatyki i Automatyki, Wydział Cybernetyki, Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Instytutu Automatyki i Robotyki
• Rocznik: 2009
• Tom: R. 15, nr 26
• Strony: 45--65
• Opis fizyczny: Bibliogr. 23 poz., wykr.

Twórcy

autor

Żorski W.

autor

Samsel P.

• Zakład Automatyki, Instytut Teleinformatyki i Automatyki WAT, ul. Kaliskiego 2, 00-908 Warszawa

Bibliografia

• [1] BALLARD D. H., Generalizing the Hough Transform to Detect Arbitrary Shapes, Readings in Computer Vision: Issues, Problems, Principles, and Paradigms, Los Altos, CA. 1987, pp. 714-725.
• [2] DAVIES E. R., Machine Vision: Theory, Algorithms, Practicalities, Academic Press Ltd, 24/28 Oval Road, London NW1 7DX, United Kingdom, 1990.
• [3] DEANS S. R., Hough transform from the Radon transform, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 3, No. 2, 1981, pp. 185-188.
• [4] FU K. S., GONZALEZ R. C., LEE C. S. G., ROBOTICS: Control, Sensing, Vision, and Intelligence, McGraw-Hill, New York, 1987.
• [5] HAN J. H., KOCZY L. T., POSTON T., Fuzzy Hough transform, Pattern Recognition Letters, Vol. 15, No. 7, 1994, pp. 649-658.
• [6] HARTIGAN J. A., WONG M. A., A K-Means Clustering Algorithm, Applied Statistics, Vol. 28/1979, No. 1, pp. 100-108.
• [7] HECKBERT P., Color image quantization for frame buffer display, Proceedings of the 9th annual conference on Computer graphics and interactive techniques, Boston, 1982, pp. 297-307.
• [8] HOUGH P. V. C., Method and means for recognizing complex patterns, U.S. Patent 3,069,654, Dec. 18, 1962.
• [9] ILLINGWORTH J., KITTLER J., A survey of the Hough Transform, Computer Vision, Graphics and Image Processing 44, 1988, pp. 87-116.
• [10] JAIN A. K., Fundamentals of Digital Image Processing, Prentice-Hall, New Jersey, 1989.
• [11] KIRYATI N., ELDAR Y., BRUCKSTEIN A. M., A probabilistic Hough transform, Pattern Recognition, Vol. 24, No. 4, 1991, pp. 303-316.
• [12] LEAVERS V. F., Shape Detection in Computer Vision Using the Hough Transform, Springer, London, 1992. colour quantisation
• [13] LI H., LAVIN M. A., LEMASTER R. J., Fast Hough transform, Proceedings of the Third Workshop on Computer Vision: Representation and Control (Bellaire, MI, October 13-16, 1985), IEEE Publ. 85CH2248-3, pp. 75-83.
• [14] LI H., LAVIN M. A., LEMASTER R. J., Fast Hough transform: a hierarchical approach, Computer Vision, Graphics, and Image Processing, Vol. 36, 1986, pp. 139-161.
• [15] MACQUEEN, J. B., Some Methods for classification and Analysis of Multivariate Observations, Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probability, University of California Press 1967, pp. 281-297.
• [16] RADON J., Uber die Bestimmung von Funktionen durch ihre Integralwerte langs gewisser Mannigfaltigkeiten, Berichte Sachsische Akademie der Wissenschaften Leipzig, Math Phys Kl., 69, 1917, pp 262-267.
• [17] XU L., OJA E., KULTANEN P., A new curve detection method: Randomized Hough Transform (RHT), Pattern Recognition Letters, Vol. 11, No. 5, 1990, pp. 331-338.
• [18] ŻORSKI W., FOXON B., BLACKLEDGE J., TURNER M., Irregular Pattern Recognition Using the Hough Transform, Machine Graphics & Vision, 9, 2000, pp. 609-632.
• [19] ŻORSKI W., ŻAK A., TURNER M., Hardware Implementation of the Hough Technique for Irregular Pattern Recognition, Proceedings of the 8th IEEE International Conference MMAR 2002, 2-5 September 2002, Vol.1, pp. 561-566.
• [20] ŻORSKI W., Application of the Hough Technique for Irregular Pattern Recognition to a Robot Monitoring System, Proceedings of the 11th IEEE International Conference MMAR 2005, pp. 725-730.
• [21] ŻORSKI W., The Hough Transform Application Including Its Hardware Implementation, Advanced Concepts for Intelligent Vision Systems: Proceedings of the 7th International Conference, Lecture Notes in Computer Science, Springer-Verlag Vol. 3708/2005, pp. 460-467. http://www.springerlink.com/content/50yk3q0fw71x1qld.
• [22] ŻORSKI W., Fast Hough Transform Based on 3D Image Space Division, Advanced Concepts for Intelligent Vision Systems: Proceedings of the 8th International Conference, Lecture Notes in Computer Science, Springer-Verlag Vol. 4179/2006, pp. 1071-1079. http://www.springerlink.com/content/6216256332x1p166.
• [23] ŻORSKI W., Unknown scale objects recognition, Biuletyn WAT (652), 4/2008, pp. 197-207.