Wykorzystanie transformacji log-Hough’a do tworzenia reprezentacji obrazu dla klasyfikatora neuronowego

• Autorzy: Piekarski P. , Mikrut Z.

Warianty tytułu

EN

Log-Hough based image representation for the neural classifier

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia metodę tworzenia reprezentacji fragmentu obrazu oparta o transformacje log-polar i log-Hough’a. Transformacje te są uważane za uproszczone modele biologicznych systemów wizyjnych. Reprezentacje obrazu stanowią rzuty przestrzeni log-Hough’a na osie: katów i promieni. Tak utworzone wektory stanowią wejście do sieci neuronowej typu backpropagation. Zadaniem sieci jest klasyfikacja reprezentacji obrazów na „korzystne” i „niekorzystne” z punktu widzenia późniejszego dopasowywania, którego celem jest automatyczna orientacja wzajemna zdjęć fotogrametrycznych. Badano sieci z jedna warstwa ukryta o zmiennej liczbie elementów. Najlepsze sieci rozpoznały zbiór testowy na poziomie 70%.

EN

In the present paper, the method for generation of the sub-image representation is presented. The method is based on log-polar and log-Hough transforms. These transforms are considered to be very simplified models of the biological visual systems. The projections of the log- Hough space onto the two axes (the angles and the radii ones) are taken as the sub-image representation. These vectors form an input to the backpropagation neural network. The network task is to classify the sub-images as “advantageous” or “non-advantageous” from the subsequent mutual matching point of view. Several networks which have a variable number of neurons in one hidden layer have been tested. The best recognition rates about 70% (test set) have been obtained.

Słowa kluczowe

PL

fotogrametria; reprezentacja obrazu; log-polar; log-Hough; wzajemne dopasowanie; sieci backpropagation

EN

photogrammetry; image representation; log-polar; log-Hough; mutual matching; backpropagation networks

• Wydawca: Zarząd Główny Stowarzyszenia Geodetów Polskich
• Czasopismo: Archiwum Fotogrametrii, Kartografii i Teledetekcji
• Rocznik: 2007
• Tom: Vol. 17b
• Strony: 639--647
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Piekarski P.

• Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie

autor

Mikrut Z.

• Katedra Automatyki, Akademia Górniczo-Hutnicza w Krakowie

Bibliografia

• 1.Duin R.P.W., 2000. PRTools Version 3.0 - a Matlab Toolbox for Pattern Recognition. Delft University of Technology, http://www.ph.tn.tudelft.nl/prtools
• 2.Heipke C., 1997. Automation of interior, relative and absolute orientation. ISPRS Journal of Photogrammetry & Remote Sensing, 52, 1-19
• 3.Hough P.V.C., 1962. Method and Means for Recognizing Complex Patterns. US Patent 3069654.
• 4.Kubiak A., Mikrut Z., 2004. Zastosowanie transformaty log-Hough'a i sieci neuronowych do identyfikacji połamanych ziaren pszenicy. Automatyka AGH, t.8 z.3, 2004, str. 477-486
• 5.Matlab 2006. Image Processing Toolbox For Use with Matlab. User's Guide. The MathWorks, Inc., Natick.
• 6.Lee S., Choi Y., 1993. Unconstrained handwritten zip code recognition. Proc. WCNN, Portland.
• 7.Sandini G., Tistarelli M., 1992. Vision and Space-Variant Sensing. In: H. Wechsler ed., Neural Networks for Perception, Academic Press Inc., Boston.
• 8.Schwartz E.L., 1977. Spatial mapping in the primate sensory projection: analytic structure and relevance to perception. Biological Cybernetics, nr 25, s. 181-194.
• 9.Tadeusiewicz R.., Mikrut Z., 1998. Neural-Based Object Recognition Support: from Classical Preprocessing to Space-Variant Sensing. Proc. of the ICSC/IFAC Symposium on Neural Computation '98, Vienna, Austria, 23-25 September, s. 463-468.
• 10.Weiman C.F.R., 1989. Polar exponential sensor arrays unify iconic and Hough space representation. SPIE vol.1192: Inteligent robots and computer vision VIII, 1989.
• 11.Wilson J.C., Hodgson, R.M., 1992. Log-polar mapping applied to pattern representation and recognition. Academic Press Inc.