Научно-технический
«ОПТИЧЕСКИЙ ЖУРНАЛ»
издается с 1931 года
 
   
Русский вариант сайта Английский вариант сайта
   
       
   
       
Статьи последнего выпуска

Электронные версии
выпусков начиная с 2008


Алфавитный указатель
2000-2010 гг


444
Архив оглавлений
выпусков 2002-2007 гг


Реквизиты и адреса

Вниманию авторов и рецензентов!
- Порядок публикации
- Порядок рецензирования статей
- Типовой договор
- Правила оформления
- Получение авторского вознаграждения


Контакты

Подписка

Карта сайта





Журнал с 19.02.2010 входит в новый «Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы основные научные результаты диссертации на соискание ученой степени доктора и кандидата наук»
Аннотации (11.2010) : МЕТОДЫ ВЫДЕЛЕНИЯ КОНТУРОВ И ОПИСАНИЯ КЛЮЧЕВЫХ ТОЧЕК ПРИ СОПОСТАВЛЕНИИ ЦВЕТНЫХ ИЗОБРАЖЕНИЙ

МЕТОДЫ ВЫДЕЛЕНИЯ КОНТУРОВ И ОПИСАНИЯ КЛЮЧЕВЫХ ТОЧЕК ПРИ СОПОСТАВЛЕНИИ ЦВЕТНЫХ ИЗОБРАЖЕНИЙ

 

© 2010 г. П. И. Иванов*; А. Э. Маничев*; А. С. Потапов**, доктор техн. наук

 

 

** Санкт-Петербургский государственный университет информационных технологий,

** механики и оптики, Санкт-Петербург

** НПК “Государственный оптический институт им. С.И. Вавилова”, Санкт-Петербург

** E-mail: pas.aicv@gmail.com

 

Рассмотрены способы использования цветовой информации при решении задач сопоставления изображений, распознавания и сопровождения объектов в замкнутом пространстве. Данные задачи характерны для систем компьютерного зрения мобильных роботов. Рассмотрены методы выделения контуров на основе оператора Кумани и обнаружения ключевых точек с использованием цветового метода на основе “разности гауссиан”. Предложен новый способ построения дескрипторов ключевых точек на основе цветового тензора. Эксперименты показывают увеличение эффективности указанных методов на 10–15% при близком к трехкратному увеличению времени обработки.

 

Ключевые слова: цветовой тензор, изображение, контур, ключевые точки.

 

Коды OCIS: 150.1708, 330.1720

УДК 004.932.2

Поступила в редакцию 14.05.2010

 

ЛИТЕРАТУРА

1. Gevers T., Smeulders A.W.M. Color-based object recognition // Pattern Recognition. 1999. V. 32. № 3. P. 453–464.

2. Nguyen H.T., Smeulders A.W.M. Template Tracking Using Color Invariant Pixel Features // Proc. Int’l Conf. Image Processing. Rochester, New York, USA. September 21–25 2002. P. 569–572.

3. Gevers T., Stokman H.M.G. Robust Histogram Construction from Color Invariants for Object Recognition // IEEE Trans. Pattern Anal. Mach. Intell. 2004. V. 26. № 1. P. 113–117.

4. Noriega P., Bernier O. Real Time Illumination Invariant Background Subtraction Using Local Kernel Histograms // Proc. British machine vision conf. Edinburgh, UK. September 4–7 2006. P. III:979.

5. Lowe D.G. Distinctive Image Features from Scale-Invariant Keypoints // Intern. Journal of Computer Vision. 2004. V. 60. P. 91–110.

6. Zhang D., Wang W., Gao W., Jiang Sh. An Effective Local Invariant Descriptor Combining Luminance and Color Information // Proc. IEEE Int‘l Conf. on Multimedia and Expo. Beijing, China. July 02–05 2007. P. 1507–1510.

7. Zhu S.-C., Yuille A. Region competition: unifying snakes, region growing, and bayes/MDL for multiband image segmentation // IEEE Trans. on Pattern  Analysis  and  Machine  Intelligence.  1996. V. 18. P. 884–900.

8. Робертс Л. Автоматическое восприятие трехмерных сцен // Интегральные роботы. М.: Мир, 1973. С. 162–208.

9. Prewitt J.M.S. Object enhancement and extraction // Picture processing and Psychopictorics / Ed. by Lipkin B.S., Rosenfeld A. N. Y.: Academic Press, 1970. P. 75–149.

10. Canny J.F. A computational approach to edge detection // IEEE Transactions on pattern analysis and Machine Intelligence. 1986. V. 8. № 6. P. 679–698.

11. Deriche R. Optimal edge detection using recursive filtering // Proc. 1st Int. Conf. Computer Vision. London, UK. June 8–12 1987. P. 501–505.

12. Comte J.C., Marquie P., Bilbault J.M. Contour detection based on nonlinear discrete diffusion in a cellular nonlinear network // Intern. Journal of Bifurcation and Chaos. 2001. V. 11. № 1. P. 179–183.

13. Nagumo G., Arimoto S., Yoshisawa S. An active pulse transmission line simulating nerve axon // Proc. IRE. 50. 1962. P. 2061–2070.

14. Kanade T. Image understanding research at CMU // Proc. Image Understanding Workshop’87 II. 1987. P. 32–40.

15. Koschan A. Improving Robot Vision By Color Information // Proc. 7th Int. Conf. on Artificial Intelligence and Information-Control Systems of Robots. Bratislava, Slovakia. September 12–16 1997. P. 247–258.

16. Van de Weijer J., Gevers T., Smeulders A. Robust photometric invariant features from the color tensor // IEEE Trans. Image Processing. 2006. V. 15. № 1. P. 118–127.

17. Zenzo S.D. A note on the gradient of a multi-image // Computer Vision, Graphics, and Image Processing. 1986. V. 33. P. 116–125.

18. Sapiro G., Ringach D.L. Anisotropic diffusion of multivalued images with applications to color filtering // IEEE Trans. Pattern Analysis and Machine Intelligence. 1996. V. 5. № 11. P. 1582–1586.

19. Bigun J., Granlund J., Wiklund J. Multidimensional orientation estimation with applications to texture analysis and optical flow // IEEE Trans. Pattern analysis and machine intelligence. 1991. V. 13. № 8. P. 775–790.

20. Koschan A. A comparative study on color edge detection // Proc. 2nd Asian Conference on Computer Vision. Singapore. December 1995. P. 574–578.

21. Bay H., Tuytelaars T., Van Gool L. SURF: Speeded Up Robust Features // Proc. 9th European Conf. on Computer Vision. Graz, Austria, 2006. V. 3951. 2006. P. 404–417.

22. Meng G., Jiang Zh., Zhao D. The usage of color invariance in SURF // Proc. SPIE. 2009. V. 7495. P. 749508–7.

 

 

Полный текст