Zusammenfassung
In diesem Beitrag stellen wir ein neues Verfahren zur positions-, rotations- und skalierungsinvarianten Erkennung von Grauwertobjekten vor, das auf der Berechnung lokaler anstelle der sonst üblichen globalen Fourier-Mellin (FM) Koeffizienten basiert. Die Beträge der Koeffizienten bilden einen Merkmalsvektor, der ein fovealisiertes Grauwertobjekt rotations- und skalierungsinvariant charakterisiert. Durch die neue Formulierung der FM-Transformation in diskreten, kartesischen Koordinaten kann der Merkmalsvektor bezüglich jeder Bildposition schnell berechnet werden. So wird ein gesuchtes Grauwertobjekt durch Vergleichen des dazugehörigen, gespeicherten Merkmalsvektors mit den an jeder Position des zu untersuchenden Bildes berechneten Merkmalsvektoren invariant erkannt. Neben der bekannten Position kann die Orientierung und die Skalierung des gefundenen Objektes aus den komplexen Frequenzkomponenten zurückgewonnen werden. Erste Erkennungsergebnisse verdeutlichen die Leistungsfähigkeit unseres Verfahrens.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Ballard, D.H.: „Generalizing the Hough transform to detect arbitrary shapes.“ Pattern Recognition, vol. 13, no. 2, pp. 111–122, 1981.
Ballard, D.H., Wixson, L.E.: “Object Recognition Using Steerable Filters at Multiple Scales”. Proceedings IEEE Workshop on Qualitative Vision, pp. 2–10, 1993.
Ben-Arie, J., Wang, Z.: „Pictorial Recognition of Objects Employing Affine Invariance in the Frequency Domain“. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 20, no. 6, pp. 604–618, 1998.
Bonmassar, G., Schwartz, E.,: „Space-Variant Fourier Analysis: The Exponential Chirp Transform“. IEEE Transactions on Pattern Analysis and Machine Intelligence, vol. 19, no. 10, pp. 1080–1089, 1997.
Casasent, D., Psaltis, D.: „Position, rotation, and scale invariant optical correlation“. Applied Optics, vol. 15, no. 7, pp. 1795–1799, 1976.
Götze, N., Driie, S., Hartmann, G.: „Erkennung und Lagebestimmung realer Objekte durch tolerante Repräsentation und modellbasiertes Gruppieren“. Tagungsband 20. DAGM-Symposium, Stuttgart, 1998.
Götze, N., Drüe, S., Hartmann, G.: „Feature Selection for Efficient Invariant Object Recognition with Local Fast-Fourier Mellin Transform“. Eingereicht zum Workshop Vision, Modelling and Visualization, Erlangen, 1999.
Grace, A.E., Spann, M.: „A comparison between Fourier-Mellin descriptors and moment based features for invariant object recognition using neural networks“. Pattern Recognition Letters, vol. 12, pp. 635–643, 1991.
Hartmann, G., Driie, S., Kräuter, K.O., Seidenberg, E.: „Simulations with an artificial retina“. Proceedings of the World Congress on Neural Networks WCNN, pp. 689–694, 1993.
Illingworth, J., Kittler, J.: „A survey of the Hough transform“. Computer Vision, Graphics, and Image Processing, vol. 44, pp. 87–116, 1988.
Reddy, B.S., Chatterji, B.N.: „An FFT-Based Technique for Translation, Rotation, and Scale-Invariant Image Registration“. IEEE Transactions on Image Processing, vol. 5, no. 8, pp. 1266–1271, 1996.
Reitböck, H.J., Altmann, J.: „A Model for Size and Rotation-invariant Pattern Processing in the Visual System“. Biol. Cybernetics, vol. 51, pp. 113–121, 1984.
Reiss, T.H.: „Recognizing Planar Objects using Invariant Image Features“. Lecture Notes in Computer Science, no. 676, Springer-Verlag, Berlin, 1993.
Rojer, A.S., Schwartz, E.L.: „Design Considerations for a Space-Variant Visual Sensor with Complex-Logarithmic Geometry“. Proceedings of the International Conference on Pattern Recognition ICPR-10, vol. 2, pp. 278–285, 1990.
Schulz-Mirbach, Hanns: „Invariant features for gray scale images“. Tagungsband 17. DAGM-Symposium, Bielefeld, 1995.
Schwartz, E.L.: „Spatial Mapping in the Primate Sensory Projection: Analytic Structure and Relevance to Perception“. Biol. Cybernetics, vol. 25, pp. 181–194, 1977.
Sheng, Y., Duvernoy, J.: „Circular-Fourier-radial-Mellin transform descriptors for pattern recognition“. J. Opt. Soc. Am. A, vol. 3, no. 6, pp. 885–888, 1986.
Sheng, Y., Shen, L.: „Orthogonal Fourier-Mellin moments for invariant pattern recogni-tion“. J. Opt. Soc. Am. A, vol. 11, no. 6, pp. 1748–1757, 1994.
Weiss, I.: „Geometric Invariants and Object Recognition“. International Journal of Com-puter Vision, vol. 10, no. 3, pp. 207–231, 1993.
Wood, J.: „Invariant Pattern Recognition: A Review“. Pattern Recognition, vol. 29, no. l, pp. 1–17, 1996.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1999 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Götze, N., Drüe, S., Hartmann, G. (1999). Invariante Objekterkennung mit lokaler Fast-Fourier Mellin Transformation. In: Förstner, W., Buhmann, J.M., Faber, A., Faber, P. (eds) Mustererkennung 1999. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-60243-6_18
Download citation
DOI: https://doi.org/10.1007/978-3-642-60243-6_18
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-66381-2
Online ISBN: 978-3-642-60243-6
eBook Packages: Springer Book Archive