沒有幻燈片標(biāo)題-模式識(shí)別國家重點(diǎn)實(shí)驗(yàn)室

1、一些?？?IEEE Computer 28(9)IEEE Trans. On PAMI 18(8)Pattern Recognition 30(4)Image and Vision Computing 17(7),某些存在的系統(tǒng),Photobook, MITface, texture and shape databaseWebSeek, Columbia UWWW image search engineinclude mo

2、re than 650,000 imagesImageRover, Boston UWWW image search engineuse 32 robots to collect one million images monthlyVideoBook, HKUSTvideo retrieval system,QBIC, IBMcommercial system (trademark)MARS, Illinoisimage

3、 retrieval with relevance feedback mechanismVideoClip, Columbia Uvideo parsing and editingPrinceton Universityhigh-level video representationNeTra, UCSBobject-based video representation,主要內(nèi)容,圖象檢索顏色、紋理、形狀……視頻分析、瀏覽

4、與檢索鏡頭分割鏡頭表示運(yùn)動(dòng)分析瀏覽與檢索,基于內(nèi)容的圖像檢索,基于顏色、紋理、形狀的圖像檢索基于區(qū)域的圖像檢索基于語義的圖像檢索相關(guān)反饋,圖像檢索演示系統(tǒng),基于顏色特征的檢索,顏色模型GRB、HSI、YUV……顏色特征及相似性度量直方圖交集算法參考顏色表法……,HSI Color Space,基于顏色特征的圖象檢索,顏色直方圖的相似性,基于顏色的圖象檢索,HSI顏色空間,基于顏色的圖象檢索,基于HSI的聚類匹配

5、算法對(duì)圖象計(jì)算H-S平面的二維直方圖，即得到顏色特征向量，然后對(duì)顏色空間進(jìn)行聚類。聚類匹配，在匹配中顏色間距離使用歐氏距離計(jì)算：,顏色空間聚類,1 計(jì)算H-S-I顏色直方圖。2 在直方圖中尋找所有顏色峰值（在三維顏色空間中，大于所有六個(gè)相鄰點(diǎn)）。3 一個(gè)峰值對(duì)應(yīng)一個(gè)顏色聚類。對(duì)每一聚類標(biāo)注H-S-I值和樣本數(shù)。4 按樣本數(shù)從大到小將各個(gè)峰值（聚類）排序。5 計(jì)算樣本數(shù)不小于一定閥值的峰值的個(gè)數(shù)。6 如果步

6、驟5中的峰值數(shù)小于步驟3中的峰值數(shù)，將樣本數(shù)小于閥值的聚類重新分配到鄰近的顏色類中。距離計(jì)算采樣如上公式，對(duì)新的聚類計(jì)算代表色和樣本數(shù)。7 對(duì)每個(gè)象素，計(jì)算到各個(gè)顏色類的距離。將該象素分配到最近鄰的類當(dāng)中。,顏色聚類,,試驗(yàn)結(jié)果,加空間特征,基于紋理特征的分析,基于統(tǒng)計(jì)特征的紋理分析——共生矩陣，心理學(xué)特征等 基于信號(hào)處理的紋理分析——小波變換，Gabor濾波器等 基于模型的紋理分析——Markov隨機(jī)場模型，Wold模型等

7、 基于結(jié)構(gòu)特征的紋理分析,基于紋理特征的匹配,從上述紋理分析的方法中得到一組描述紋理的特征量；提取這些紋理特征的數(shù)字特征（如期望、方差等），將它們組成歸一化的特征向量；在某種距離空間內(nèi)（如歐氏距、馬氏距）尋找給定特征向量的最近匹配。,基于統(tǒng)計(jì)特征的紋理特征提取,Haralick等定義的基于灰度共生矩陣的紋理特征常用統(tǒng)計(jì)量：角二階矩、對(duì)比度、相關(guān)、方差、熵等多尺度：改變方向和步長生成不同尺度的共生矩陣 Amadasun

8、等定義的基于鄰域灰度差別矩陣的紋理特征包括稀疏度、繁忙度、紋理力度等5個(gè)特征 Tamura等定義的6個(gè)心理學(xué)特征稀疏度、對(duì)比度、方向性、線狀性、規(guī)則性及粗糙度這是一組與人類視覺特性對(duì)應(yīng)的紋理特征,一個(gè)基于統(tǒng)計(jì)特征的紋理匹配的例子,一個(gè)基于統(tǒng)計(jì)特征的紋理匹配的例子,基于Gabor變換的紋理特征提取,紋理分析中常用的2維Gabor變換函數(shù)對(duì)：,構(gòu)造以m、n為尺度的Gabor濾波器族：,，這里,待確定的參數(shù)：,形狀描述的主要途

9、徑,基于邊界（boundary-based）的形狀描述 最為成功的是傅立葉描述子（Fourier Descriptor），它對(duì)邊界進(jìn)行傅立葉變換，將其作為形狀的特征描述。 基于區(qū)域（region-based）的形狀描述 主要有各種矩不變量（Moment Invariants）及各種簡單的形狀因子如面積、圓度、偏心度、主軸方向等。為解決遮擋問題，還常使用一些局部特征，如直線段、圓弧、角點(diǎn)、高曲率點(diǎn)等。,

10、常用的形狀描述子,基于幾何特征：緊密度、實(shí)心度、偏心率、不規(guī)則度等；基于統(tǒng)計(jì)特征：粗糙度，均值，方差等；變換域特征：矩，F(xiàn)ourier描繪子、小波描繪子、形態(tài)描繪子等；仿射不變量：簡比等；射影不變量：交比等。,形狀不變量匹配,基于全局性幾何特征面積、周長、長軸、短軸、主軸方向、凹凸面積、緊密度、實(shí)心度、偏心率等基于變換域特征矩、Fourier描繪子、小波描繪子、形態(tài)描繪子等基于局部特性的形狀匹配方法廣義Hough變換(

11、GHT)基于神經(jīng)網(wǎng)絡(luò)和遺傳算法匹配方法變形模板（自由式、參數(shù)化）基于形狀凹凸結(jié)構(gòu)的匹配方法動(dòng)態(tài)規(guī)劃基于自回歸模型和隱Markov模型,基于區(qū)域特征的圖象檢索,交互式圖象分割方法基于多尺度形態(tài)濾波和水線分割法的過分；交互式標(biāo)定；基于變形模板的邊緣修正。基于顏色、紋理、形狀的檢索提取相關(guān)特征矢量；給出初始權(quán)值，檢索；相關(guān)性反饋。,Shape Retrieval and Matchingby Schwarz Inte

12、gral,Yang & MA Pattern Recognition 1999,A close-form solution for shape matching and similarity measurement,A multi-scale matching,1. Multi-scale representation by Schwarz integral,Shape contour is presented by

13、a 1D periodic function,We define a complex function defined on a disc of radius 1.,Where is the shape function,,,,It can be proved that,Where r is the scale.,is the smoothed function of wh

14、ere r is the scale.,The Schwarz Integral can be considered as the multiscale representation of the shape function.,is a smoothed function of,2. Signal matching and similarity measurement,Matching model Let

15、 be two signals. is a one-to-one smooth function such that,is the matching function of two signals,If were a bijective function, then But in fact,

16、 is a multi-values function,, may not be in the same scale, so matching two functions in different scales is not reasonable.,,Instead of matching , we propose to match their Schwarz repr

17、esentations , by,Algorithm,(1) Extract tangent function of shape as feature function (2) Expand the feature function into Fourier series:,(3) We obtain the Schwarz representation of the shape,3

18、. Compute the inverse functions of,And expand them into polynomials.,,Image Retrieval from model image,(1) Extract the one-dimensional feature of model image, expand the feature function in to Fourier series and o

19、btain the Schwarz integral (2)Compute the matching function by (3)Compute similarity measure (4)Output the most k similar image as result.,The matching method can be used both to find thecorresponde

20、nt points and to measure the similarity between two shapes,Summary,Shape representation and Matching Global region or local feature based Optimization framework Research work* image segmentation * 3D object and

21、occlusion* fast algorithms for large data base* robustness,聚類匹配算法,1 建立距離矩陣。2 尋找G中的最小元素Gxy。3 P(x)=y4 消去G中的x行y列，但不改變矩陣的行列下標(biāo)。5 如果G為空，即已消去所有行列，結(jié)束。否則，回到2。,紋理特征分類,基于統(tǒng)計(jì)特征的紋理分析——共生矩陣，心理學(xué)特征等基于信號(hào)處理的紋理分析——小波變換，Gabor濾波器等