Using Zernike moments in the process of automatic identification

• Autorzy: Zacniewski A.

Warianty tytułu

PL

Użycie momentów Zernike w procesie automatycznej identyfikacji

• Języki publikacji: EN

Abstrakty

EN

In this article, the problem of automatic identification with Zernike moments is presented. Due to their orthogonal properties they store image information with minimal redundancy and are rotational invariant, what make them accurate tool in systems of automatic identification of images. Content Based Image Retrieval system is presented, and two phases (offline and online) of this system are described in detail. Practical experiments are conducted on two datasets – standard MPEG-7 dataset and customized sprite dataset, howing promising results.

PL

W artykule przedstawiono problem automatycznej identyfikacji przy użyciu momentów Zernike. Z powodu ich ortogonalnych własności mogą przechowywać informacje o obrazie z minimalną nadmiarowością, a także są odporne na zmiany związane z obrotem obrazu. Przedstawiono system wyszukiwania obrazów bazujący na ich zawartości, a także omówiono szczegółowo dwie główne fazy działania takiego systemu. Praktyczne eksperymenty przeprowadzone na dwóch zbiorach obrazów – standardowym MPEG-7 oraz na zbiorze z niestandardowej bazy kolorowych postaci, pokazują zadowalające wyniki uzyskane dzięki momentom Zernike.

Słowa kluczowe

EN

logistics; image identification system; Zernike moments

PL

logistyka; system wyszukiwania obrazu; momenty Zernike

• Wydawca: Instytut Naukowo-Wydawniczy "SPATIUM". sp. z o.o.
• Czasopismo: Autobusy : technika, eksploatacja, systemy transportowe
• Rocznik: 2017
• Tom: R. 18, nr 6
• Strony: 1629--1632, CD
• Opis fizyczny: Bibliogr. 17 poz., fig., rys.

Twórcy

autor

Zacniewski A.

• Polish Naval Academy in Gdynia, Poland, The Faculty of Navigation and Naval Weapons, Institute of Naval Weapons and Informatics

Bibliografia

• 1. J. Altmann and H.J.P. Reitbock, “A fast correlation method for scale and translation invariant pattern recognition”, IEEE Transactions on Pattern Analysis and Machine Intelligence, PAMI6(1), pp. 46-57, 1984.
• 2. M.S. Hitam et al., “Content-Based Image Retrieval Using Zernike Moments for Binary and Grayscale Images”, in “Moments and Moment Invariants, Theory and Applications”, GCSR Volume 1, Science Gate Publishing P.C. 2014.
• 3. M.K. Hu. “Visual pattern recognition by moment invariants”, IRE Transactions on Information Theory, Vol. 8(2), pp.179-187, 1962.
• 4. K. Jenni et al., „Content Based Image Retrieval Using Colour Strings Comparison”, 2nd International Symposium on Big Data and Cloud Computing (ISBCC’15), Chennai, India, January 2015.
• 5. A. Khotanzad, Y.H. Hong, “Invariant image recognition by Zernike moments”, IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol. 12(5), pp. 489-497, 1990.
• 6. H. Mahi et al., “Zernike Moments and SVM for Shape Classification in Very High Resolution Satellite Images”, The International Arab Journal of Information Technology, Vol. 11, No. 1, January 2014.
• 7. M. Mercimek et al., “Real object recognition using moment invariants”, Sadhana, Indian Academy of Sciences, Vol. 30(6), pp. 765-775, 2005.
• 8. MPEG-7 dataset, retrieved on th February 2017.
• 9. R. Mukundan et al., “Image analysis by Tchebichef moments”, IEEE Transactions on Image Processing, Vol. 10(9), pp. 13571364, 2001.
• 10. R. Mukundan and K.R. Ramakrishnan, “Moment Functions in Image Analysis: Theory and Appplications”, World Scientific, Singapore, 1998.
• 11. Pokemon database, http://pokemondb.net/pokedex/national#gen-1, retrieved on 7th February 2017.
• 12. PyImageSearch – blog about Computer Vision, retrieved on 7th February 2017.
• 13. R. Sabhara et al.,”Comparative Study of Hu Moments and Zernike Moments in Object Recognition”,Smart Computing Review, vol. 3, no. 3, June 2013.
• 14. M.R. Teague. “Image analysis via he general theory of moments”, J. Opt. Soc. Am., Vol. 70(8), pp.920-930, 1980.
• 15. C.H. Teh and R.T. Chin, “On image analysis by the methods of moments”, IEEE Transactions on Pattern Analysis and Machine Intelligence, 10(4), 496-513, 1988.
• 16. Vorobyov, M., “Shape Classification Using Zernike Moments”, Technical Report, iCamp-University of California Irvine, 2011.
• 17. P.T. Yap et al., “Image analysis by Krawtchouk moments”, IEEE Transactions on Image Processing, Vol. 12(11), pp. 1367-1377, 2003.