Invariante Objekterkennung mit lokaler Fast-Fourier Mellin Transformation

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 ublichen globalen Fourier-Mellin (FM) Koeffizienten basiert. Die Betrage 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 bezuglich jeder Bildposition schnell berechnet werden. So wird ein gesuchtes Grauwertobjekt durch Vergleichen des dazugehorigen, 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 zuruckgewonnen werden. Erste Erkennungsergebnisse verdeutlichen die Leistungsfahigkeit unseres Verfahrens.

[1]  D. Ballard,et al.  Object recognition using steerable filters at multiple scales , 1993, [1993] Proceedings IEEE Workshop on Qualitative Vision.

[2]  Dana H. Ballard,et al.  Generalizing the Hough transform to detect arbitrary shapes , 1981, Pattern Recognit..

[3]  D. Casasent,et al.  Position, rotation, and scale invariant optical correlation. , 1976, Applied optics.

[4]  Georg Hartmann,et al.  Erkennung und Lagebestimmung realer Objekte durch tolerante Repräsentation und modellbasiertes Gruppieren , 1998, DAGM-Symposium.

[5]  Hanns Schulz-Mirbach,et al.  Invariant Features for Gray Scale Images , 1995, DAGM-Symposium.

[6]  J Duvernoy,et al.  Circular-Fourier-radial-Mellin transform descriptors for pattern recognition. , 1986, Journal of the Optical Society of America. A, Optics and image science.

[7]  Josef Kittler,et al.  A survey of the hough transform , 1988, Comput. Vis. Graph. Image Process..

[8]  B. N. Chatterji,et al.  An FFT-based technique for translation, rotation, and scale-invariant image registration , 1996, IEEE Trans. Image Process..

[9]  JEFFREY WOOD,et al.  Invariant pattern recognition: A review , 1996, Pattern Recognit..

[10]  Jezekiel Ben-Arie,et al.  Pictorial Recognition of Objects Employing Affine Invariance in the Frequency Domain , 1998, IEEE Trans. Pattern Anal. Mach. Intell..

[11]  Thomas H. Reiss,et al.  Recognizing Planar Objects Using Invariant Image Features , 1993, Lecture Notes in Computer Science.

[12]  Y. Sheng,et al.  Orthogonal Fourier–Mellin moments for invariant pattern recognition , 1994 .

[13]  Eric L. Schwartz,et al.  Design considerations for a space-variant visual sensor with complex-logarithmic geometry , 1990, [1990] Proceedings. 10th International Conference on Pattern Recognition.

[14]  Michael Spann,et al.  A comparison between Fourier-Mellin descriptors and moment based features for invariant object recognition using neural networks , 1991, Pattern Recognit. Lett..

[15]  Giorgio Bonmassar,et al.  Space-Variant Fourier Analysis: The Exponential Chirp Transform , 1997, IEEE Trans. Pattern Anal. Mach. Intell..