关闭

关闭

关闭

封号提示

内容

首页 基于内容的图象检索及其相关技术的研究.pdf

基于内容的图象检索及其相关技术的研究.pdf

基于内容的图象检索及其相关技术的研究.pdf

上传者: UC 2010-12-18 评分 0 0 0 0 0 0 暂无简介 简介 举报

简介:本文档为《基于内容的图象检索及其相关技术的研究pdf》,可适用于IT/计算机领域,主题内容包含ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnki符等。

ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnkinet基于内容的图象检索及其相关技术的研究Ξ白雪生 徐光佑(清华大学计算机系 北京 )JesseSJin(澳大利亚新南威尔士大学计算机学院 悉尼 澳大利亚)摘 要 基于内容的图象检索技术,即从大量的静止或活动视频图象库中检索包含目标物体的图象(或视频片段),在高度信息化的今天,已成为内容图象库中图象信息组织和管理不可缺少的技术本文介绍了基于内容检索技术的进展,并对其主要方法如基于颜色、形状、纹理等静止图象检索技术和片段检测、拼接、主运动估计和层描述等视频检索技术进行了讨论关键词 基于内容检索,颜色检索,颜色恒常性检索,形状检索,变形模型,纹理检索,视频检索,片段检测,拼接,主运动估计,层描述 引言随着信息化社会的到来及信息高速公路计划的实施,人们越来越多地接触到大量的图象信息同时,每天都有大量的图象信息在不断地产生(如卫星、医疗、安全等部门),这些信息的有效组织和检索便成为人们研究的课题基于内容的图象检索(CBIR,ContentBasedImageRetrieval,下简称基于内容检索)技术便是解决这一问题的关键所谓基于内容检索,即从图象库中查找含有特定物体的图象(也包括从连续的视频图象中检索含有特定物体的视频片段)它区别于传统的检索手段,融合了图象理解技术,从而可以提供更有效的检索手段目前,国外许多机构都在进行有关的研究工作,在已实现的系统中,IBM的QBIC计划便是其中颇引人注意的一个它通过友好的图形界面提供了多种检索方法,现正试图推向市场美加州大学伯克利分校(UCBerkley)与加州水资源部(DWR,StateofCaliforniaDepartmentofWaterResources)合作进行了Chabot计划,以便对水资源部的大量图象提供基于内容检索的有效手段此外,麻省理工学院(MIT)、纽约州立大学布法罗分校(SUNY,StateUniversityofNewYork,Baffulo)等以及其他研究机构都有类似的计划在进行之中对于基于内容的检索系统,根据其处理的对象可将其分为静止图象检索和活动视频检索,根据图象库的内容可分为通用检索系统和专用检索系统专用检索系统往往根据系统的要求专门的检索技术,而通用检索系统所采用的技术则较为普遍目前,对于通用的静止图象检索,用于检索的特征主要有颜色(Color)、纹理(Texture)、草图(Sketch)、形状(Shape)等,其中颜色、形状、纹理应用得尤为普遍活动视频检索一般采用脱胎于序列图象分析中的技术由于不同的应用背景,不同的基于内容检索系统在其检索实现中采用的技术也各有侧重,但一般都能在传统的计算机视觉和图象处理技术中找到其出处可以说,基于内容检索是图象处理和计算第卷第期年月机器人 ROBOTVol,No May,Ξ收稿ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnkinet机视觉各种技术应用的综合 静止图象检索 基于颜色的检索在传统的注重几何特征的计算机视觉研究中,颜色未得到充分的重视,人们普遍认为颜色不是刻划一个物体的关键特征然而,相对于几何特征而言,颜色具有一定的稳定性,其对大小、方向都不敏感,表现出相当强的鲁棒性同时,在许多情况下,颜色是描述一幅图象最简便而有效的特征例如,在需要检索海滨景物图象时,指定图象中的主要颜色(如蓝色,对应海水黄色,对应海滩)的大致比例后即可以此为依据查找与此颜色分布类似的图象,而此时其他检索特征往往难以奏效所有这些,都促使颜色成为基于内容检索所采用的主要手段之一基于颜色的检索算法的基本思想即进行颜色空间直方图匹配,采用的颜色空间和匹配方法因不同算法而异年,Swain和Ballard提出了颜色检索(ColorIndex)的基本思想和算法,采用了互补颜色(opponentcolor)空间直方图来描述物体,并通过定义在直方图的相交(Intersection)及反投影算法(BackprojectionAlgorithm)来完成物体的识别(检索)和在图象中的定位通过直方图相交算法,给定图象直方图后,颜色检索就变为在模型库中查找具有最大匹配度的图象Swain还进一步证明了当两个直方图的象素数目相同时直方图相交运算的结果反映了两个直方图的街区距离(cityblock),从而更充分地说明了算法的含义检索结果相对于光照的稳定性是颜色检索算法的一个重要特性Swain算法对于光照条件异常敏感仅仅光照幅度的变化,就会大大影响该识别算法的准确性他在其文章中提议采用Novak的监控颜色恒常性(SupervisedColorConstancy)算法,即在环境中放置已知反射率的色板,以作为光照变化的参考然而在许多情况下,此条件难以得到满足Funt和Finalyson针对这种情况提出了颜色恒常性颜色检索(CCCI,ColorConstantColorIndex)算法他们从Land的视觉皮层理论出发,主张对输入的颜色图象取对数后在进行差分以削弱光照变化带来的影响,然后再对差分后得到的颜色边缘点建立直方图,以此作为匹配的标准实验结果表明,他们的检索算法比Swain的算法对于光照变化具有更好的鲁棒性,但在光照不变的前提下,其检索精度却不如Swain的检索算法Healey利用有限维模型提出了从直方图分布求取光照不变量的思想,并在实现中取得了较好的效果该算法对于光照变化具有良好的鲁棒性,同时光照不变情况下保持了Swain算法的检索精度值得提出的是,在Swain算法中,识别效果不受图象背景的影响,因此不需要对图象进行预先分割以后的算法都不具有此性质,背景象素计入直方图后将直接影响到匹配的精度,因此需要采取相应的处理去除干扰Healey在其实现中,已不再采用整个物体的直方图,而仅仅选取物体局部的小块颜色丰富区域作为特征,再对特征集进行匹配,以避免背景干扰此外,具有颜色恒常性的颜色检索算法都要求目标具有丰富的颜色,以保证算法的可靠性上述算法的实现都基于颜色成象的物理模型,着眼于图象中特定物体的识别和检索,反映的并非人对颜色的主观感觉在IBM的QBIC系统中,由于系统要依靠用户对图象颜色相似性的感觉来完成检索,不同图象间的颜色匹配度量要尽量符合人的主观感觉而Swain采用的度量仅是两个直方图的L距离,这种度量忽略了不同颜色间的相似性,在实现中与人的主观感觉不一致为了能正确反映颜色间的相似性,QBIC在对两幅图象作颜色空间直方图匹配时中采用了二次型距离即dnilt(x,y)=(x,y)TA(x,y)(其中,x,y为颜色空间的向量,A为颜    机 器 人年月ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnkinet色相似性矩阵)由于这种距离度量具有较大的计算量,为提高算法的实时性,Hafner等对其进行了改进,提出了分级检索策略,并获得了较好的效果MSKankanhalli和BMMehtre等在对注册商标图象库的检索研究的基础上,对直方图的匹配方法作了进一步的分类和比较 基于形状的检索(IndexbyShape)形状是刻划物体的本质特征之一,因此利用形状来检索无疑可提高检索的准确性和效率从广义的角度来说,基于形状的检索不仅仅包括传统意义的基于二维形状的检索,还包括在三维图象(体数据,如医疗成象设备获得的检测图象)中的基于三维形状的检索(ShapebyVolume)对于基于形状的检索来说,形状的表示和匹配无疑是需要解决的重要问题传统的计算机视觉中,曾先后用Freeman链码、曲线、Fourier描述子、二次曲线及B样条等来描述平面曲线在其后的研究中,TEBoult和ADGross采用超二次曲线(superquadric)来表示形状,GCChuang和CJKuo则给出了形状的小波描述逼近在复杂(不连通)形状的表示方面,SSWang和PCChen等提出了矩Fourier描述子方法,并将其用于汉字识别,而DKeren和DCooper等则采用了隐式多项式的表示方法,并对其表示能力进行了分析对于形状匹配来说,Hough变换是最经典的方法,而且对于噪声和遮挡具有良好的抗干扰性但Hough变换仅能解决形状的平移、旋转和缩放所带来的匹配问题,而对实际应用中广泛的变形匹配问题无能为力针对由关节点联结起来的活动物体(如剪刀),Mehrotra等提出了FIBSSR(FeatureIndexBasedSimilarShapeRetrieval),用于此类物体的匹配对于更广泛的变形形状的匹配问题,则需要与变形模型(DeformableModel)的研究相结合根据模型的不同特性,可将常见的变形模型分为两类:自由变形模型和参数变形模型对于自由变形模型来说,对于模板没有全局的结构约束,而仅受局部的连续性和光滑性的约束通过对图象中的显著特征如直线、边缘等建立能量函数而建立一个势场,使模板通过变形与这些特征匹配弹性变形模型(ElasticDeformableModel)是研究最早的自由变形模型年,Widrow提出了模式通过变形来匹配实际数据的思想,Fischler和Elschlager通过弹性的物理模拟来解决这个问题其后,DJBurr提出了动态协作模型作为模拟的弹性模型,采用由粗到精的循环过程进行匹配这种方法后来被Moshfeghi所改进Bajcsy等将形变体匹配的问题转化为关于形变模型和相似测度的函数的优化问题,确定了问题求解的基本方法目前,弹性变形模型已广泛地用于变形物体的匹配,如手写数字识别、卡通帧填充、运动检测、面孔识别、三维形状检索(体数据配准)等方面另一种自由变形模型主动轮廓模型(ActiveContourModel,亦称Snake)由MKass等在年提出,其后Terzopoulos、Witkin和Kass等许多学者对其进行了深入的研究,将其推广到多个研究方面,并对其求解方法进行了探讨~时至今日,主动轮廓模型已在边缘及轮廓检测、运动追踪、立体视觉匹配和图象分割方面得到充分的应用参数变形模型(parametricdeformablemodel),即形状的部分先验信息已知,可以用参数来表示根据先验信息的不同,参数变形模型可以分为两类:参数化曲线(parameterizedcurves)和参数化映射(parametricmapping)在参数化曲线变形模型的应用研究中,Yuille等用二次曲线(圆和抛物线)用于面孔识别中眼睛和嘴的精确定位,二次曲线的参数分别控制第卷第期白雪生等: 基于内容的图象检索及其相关技术的研究ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnkinet着眼睛和嘴的形状和大小Chakraborty、Staib和Duncan在将椭圆Fourier描述子用于医学图象检测方面进行了研究,其中Fourier系数作为描述可变形状的参数参数化映射变形模型,即将已知的形状原形通过参数描述的影射使其与变形后的形状匹配Grenander提出了关于形状模型的模式理论,并和Amit等将其用于变形物体如人手的识别Cootes等提出了主动形状模型(activeshapemodel),将所有形状的均值作为标准,变形形状相对于此标准的形变采用形变特征向量的线性组合来表示AKJain等也采用类似方法,并通过从粗到精的匹配过程来完成变形物体的匹配和识别在实际应用中,出于对算法时间和空间复杂性的考虑,形状的表达和匹配往往采用更为简单的方法,如形状参数(ShapeFactor)关于形状的一些定量测度(如矩阵、面积、周长等)常用来描述形状并进行形状的匹配Jagadish提出,利用覆盖形状的一组固定数目的最大矩形的性质来表征形状,这样,任何一个形状均可以影射为高维空间中的一个点,各种点处理(PAM,PointAccessMethod)方法都可以用于形状检索在IBM的QBIC系统中,就采用了类似的描述方法,并采用高维空间的PAM来完成形状的匹配 纹理检索(IndexbyShape)作为物体的一个重要特征,纹理也是基于内容检索的一条主要线索纹理检索和纹理分类技术有着密不可分的关系,针对不同系统的应用要求在纹理检索的实现中往往采用不同的纹理识别技术早期的纹理识别技术可分为三类:统计方法、结构方法和频谱分析方法结构方法主要对规则的结构纹理,采用句法分析方法识别从年代开始,基于二阶灰度统计特征的统计方法得到了广泛的研究RHaralick等提出了从并发矩阵提出的种纹理特征,并将其用于卫星图象纹理的识别JSWeszka对频谱分析方法和统计方法作了比较性分析,并提出了统计方法优于频谱分析方法的论断进入年代后,随机场模型也用于纹理的分类和识别Kashyap采用了基于圆对称自回归随机场模型的特征,用于自然纹理的分类,并取得了的正确率FSCohen等采用了高斯马尔可夫随机场(GMRF,GaussianMarkovRandomField)模型,对种自然纹理的识别达到了~的正确率DKPanjwani和GHealy进一步采用GMRF模型用于彩色纹理图象的分割,也取得了较好的效果视觉生理学和心理学研究中揭示的多尺度思想促进了纹理研究的进一步发展MRTurner采用了Gabor函数来进行纹理分类,ACBovik、AKJain等将其用于纹理分割,TRReed及MUnser等也都对Gabor函数的应用进行了讨论在小波理论对于时频分析的重要性为人们所认识后,也被用来进行纹理分类Carter采用了Morlet和Mexican草帽小波对种自然纹理进行了分析,得到了的正确率,但其采用的小波缺乏方向选择性ALaine和JFan解决了此问题,他们采用了小波包算法,并对其用于纹理分类的效果进行了分析 视频检索(VideoIndex)与静止图象检索相比较,活动视频检索含有更复杂的内容,不同应用系统的视频检索也往往有不同的要求目前的视频检索的主要研究内容包括片断检测、图象拼接、主运动估计和层描述等    机 器 人年月ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnkinet 片段检测(shotdetection)对于连续的视频流,常需要根据要求(如镜头切换等)将视频信号划分为不同的视频片段(Shot)片段可以根据不同的要求来划分,比如可以把某一物体在图象中的出现和消失定义为片段的头和尾但在实际应用中,多是以镜头场景的切换(分镜头)作为片段检测的内容从这个意义上说,片段检测即摄象机运动连续性中断的检测对最简单的直接切换来说,Nagasaka和Tanaka通过对不同图象度量的比较得出,采用子窗口直方图比较的方法对于切换检测性能最佳窗口的选择是影响性能的一个主要因素,大窗口算法对运动具有较好的鲁棒性,但在景物改变但具有类似颜色或灰度分布时可能漏检,而小窗口算法则对于运动过于敏感,因此在实现中往往需要将二者结合使用镜头的其他切换方式如淡入淡出(fadeinöout)以及渐变(dissolves)的检测是目前的研究内容对于淡入淡出和渐变的情况,由于图象是渐变的,相邻帧变化很小,镜头的切换难以正确检测Zhang、Kankanhalli和Smoliar提出采用双阈值检测持续变化的算法,来解决这个问题AHampapur、RJain和TWeymouth等基于对切换模型的分析,提出了通过对渐变过程中帧间增量的恒定性来完成镜头切换的检测的方法由于大量视频信号都以压缩形式存储,对压缩视频流的直接片段检测也是人们感兴趣的研究内容Arman,Hsu和Chui通过对视频编码中DCT变换系数性质的分析,提出了对压缩视频信号直接进行片段检测的算法,以此为基础,人们对MPEG视频流又提出了许多改进的算法, 图象拼接(mosaicing)图象拼接的目的是对获得的片段生成一个全景的拼接图象(mosaic,在QBIC中叫代表帧rframe,representativeframe),来代表本片段内容,一般用于在用户访问片段的视频信号之前提供给用户片段的内容信息尽管可以选用片段中的某一帧来作为代表,但在许多情况下融合多幅图象的背景信息通过拼接而生成一幅全景图更能充分代表片段的内容基于此思想,Tonomura提出了基于镜头二维平移和聚焦的图象拼接(VideoSpaceIcon),Teodosio和Bender则通过依据光流计算得到的仿射参数来生成图象拼接(SalientStill),Mann和Picard等将研究推广到更广泛的系数二维投影模型Irani对mosaic进行了分类,提出了动态拼接(dynamicmosaic)、时域金字塔(temporalpyramid)和多分辨率拼接(multiresolutionmosaic)等概念,并对其应用进行了进一步的研究图象拼接的生成包括个步骤:()图象对准(imagealignment或imageregistration),此步骤根据图象运动模型,计算相邻帧的运动参数,使得各帧图象都在一个统一的坐标系下对准,以进行拼接()图象整合(imageintegration),在经过图象对准后,对于同一统一坐标系下的一点,往往有多个帧中的象素与其对应图象整合即从这些象素求出拼接中象素的过程常用的方法有时域均值法、时域中值滤波法、加权时域均值法和加权时域中值滤波法等()残差估计(significantresidualestimation),在得到图象拼接后,即可根据拼接和对应的运动模型参数恢复任一帧的图象据此得到的预测图象和实际的帧之间存在着误差,成为残差残差产生的主要原因由物体或光照变化、图象未对准、图象规正时的内插误差及噪声等其中,物体和光照变化在许多情况下往往具有重要的意义,因此需要对其进行估计并进行相应的处理第卷第期白雪生等: 基于内容的图象检索及其相关技术的研究ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnkinet在QBIC中,采用了图象的的仿射矩阵变换来表示摄象机运动对图象的影响,并提出了一种对局部运动和光照变化具有鲁棒性的算法来从连续帧间恢复此仿射变换矩阵,并以此来完成整个背景全景图的无缝拼接(SeamlessMosaicking),运动物体可以通过时域中值滤波(Temporalmedianfiltering)来从背景上消除其后,前景物体可根据需要加入到此全景图上以构成一个代表帧 主运动估计(dominantmotionestimation)在多数视频图象中,往往有一个相对固定的背景,背景前面是运动的物体此背景占据了大部分图象,其在图象平面中的变化是摄象机操作和运动(如聚焦、平移、追踪等)的结果在这种情况下,主运动(即此背景的运动)估计无疑对图象的对准和拼接效果起着重要的作用不同算法所依据的运动模型不同在背景景深变化不大的情况下,可以把整个背景作为二维平面来考虑,这样就得到了摄象机的二维运动模型最早的Burt等采用了全局的二维平移模型(参数),Irani将其推广成为包含仿射投影的运动模型(参数),Mann和Picard等进一步加入摄象机的转动因素,得到了描述主运动的参数二维运动模型对于背景景深变化较大的情况,此时单个二维运动模型已不能描述背景的运动,而必须考虑景深的影响Hanna针对校准过的摄象机,提出了三维运动结构模型Sawhney等将此模型进一步推广,提出了描述三维运动结构的平面加视差(planeplusparallax)模型在模型参数的计算方面,为了去除前景运动的影响,在参数估计时一般不采用最小均方差(LeastSquares)方法Black和Anandan采用了M估计(MEstimation)方法,HSSawhney等提出使用高斯牛顿法(GaussNewtonMethod,GNMethod)求解此非线性优化问题SAyer等对其他更鲁棒的估计方法,如LMedS(LeastMedianofSquares)和LTS(LeastTrimmedSquares)等方法进行了研究和比较 层描述(layeredrepresentation)在许多情况下,景物中存在多个运动物体,且需要对这些运动物体根据其在图象序列中的变化建立描述层描述即对图象序列建立描述的方法,它一般包括个部分:()一个运动描述符的集合()对每个运动描述符在图象序列中与之对应即满足其约束关系的“层”()根据()和()及原始视频图象建立的对每个“层”建立的描述层描述所要解决的问题是:()需要多少个运动模型来描述景物中的运动()运动模型参数的计算()每个运动模型支撑“层”的计算为了对运动模型的数目加以限制,算法一般都采用MDL(MinimumDiscriptionLength)准则来进行计算在模型参数的计算方面,Wang和Adelson根据预先计算得到的光流在参数空间中通过迭代聚类来求解运动模型参数,Darrell和Pentland则采用M估计方法依据MDL准则进行模型参数的计算Irani通过依次从景物中计算主运动来求解,Ayer则根据MDL准则和最大似然估计采用了EM(ExpectationMaximization)算法在QBIC的实现中,就是根据D运动模型,通过不同物体(由于在景物中远近不同所引起)的仿射变换的参数的不同,将景物划分为不同的层(Layer),每一层具有自己的D仿射运动参数以及在每一帧中的对应区域,这样,就对整个片段建立了一个运动的分层表述(LayeredRepresentation),供检索时使用    机 器 人年月ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnkinet 总结除了上面介绍的通用CBIR系统所常用的技术手段以外,还有许多CBIR系统由于其图象库的内容的专用性或其他原因,往往对检索提出特殊要求,此时就需要设计专门的检索方法来完成基于内容的检索如对于面孔检索和识别系统,就需要结合面孔识别的研究成果来进行,纽约州立大学布法罗分校(SUNY,StateUniversityofNewYork,Baffulo)所进行的Picton系统,目的是根据报纸标题在照片中寻找相关人物,在其实现方面就根据其需要采用了一些专用的技术作为一个新兴的研究领域,同时由于其所检索对象和范围的多样性,基于内容检索的研究具有广泛的内容它吸收了传统计算机视觉和图象处理研究的各方面技术,同时又促进了这些技术的研究和发展除了对上述的各种检索技术进行进一步研究以外,目前基于内容检索还要解决多种检索手段相结合的问题,以提高检索的效率对于单一检索手段,由于其约束信息不足,在返回目标图象的同时往往会返回大量其他也满足此检索要求的图象采用多个检索手段相结合的方法无疑可提供更多的约束而使得返回图象中目标图象的比率得到提高,但检索手段间的融合是所要解决的问题此外,使系统在与操作者的检索交互中进行学习,更好地理解检索的内容,以及使检索性能更接近人类视觉的特性,也是未来研究中所要解决的问题参 考 文 献 FaloutsosCetalEfficentandEffectiveQueryingbyImageContentResearchRepeotRJ(),,IBMResearchDivision,SanJose,CaliforJIntellInformationSystems,,:~ FlicknerMetalQuerybyImageandVideoContent:TheQBICSystemComputer,:~ NiblackWetalTheQBICProject:QueryingImsbyContentUsingColor,Texture,andShape,SPIE,StorageandRetrievalforImageandVideoDbases OgleVE,StonebrakerMChabot:RetrievalfromaRelationalDatabaseofImagesComputer,:~ PentlandA,PicardR,SclaroffSPhotobook:ToolsforContentBasedManipulationofImageDatabasesInProcStorageandRetrievalforImageandVideoDatabasesII,Bellingham,Wash,,SPIE:~ RohiniKSrihariAutomaticIndexingandContentBasedRetrievalofCaptionedImagesComputer,September,:~ SwainMJ,BallardDHIndexingviaColorHistogramsInProcICCV:~ SwainMJ,BallardDHColorIndexing,IJCV,,():~ NovakCL,ShaferSASupervisedColorConstancyforMachineVisionHumanVision,VisualProcessing,andDigitalDisplayII,,SPIE:~ FuntBV,FinlaysonGDColorConstantColorIndexingIEEETransonPAMI,,:~ HealeyG,SlaterDGlobalColorConstancy:RecognitionofObjectsbyUseofIlluminationInvariantPropertiesofColorDistributionsJOptSocAmA,,():~ SlaterD,HealeyGTheIlluminationinvariantRecognitionofDObjectsUsingLocalColorInvariantsIEEETransonPAMI,,:~ HafnerJ,SawhneyHS,EquitzW,FlickerM,NiblackWEfficentColorHistogramIndexingforQuadraticFormDistanceFunctionsIEEETransonPAMI,,:~ MehtreBM,KankanhalliMSetalColorMatchingforImageRetrievalPatternRecognitonLett,,:~ BallardDH,BrownCMComputerVisionPrenticeHall,NewYork, GrossAD,BoultTEErrorofFitMeasuresforRecoveringPamametricSolidsProcICCV,:~第卷第期白雪生等: 基于内容的图象检索及其相关技术的研究ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnkinet ChuangGCH,CCJayKuoWaveletDesciptorofPlanarCurves:TheoryandApplicationsIEEETransonIP,():~ WangSS,ChenPC,LinWGInavriantPatternRecognitionbyMomentFourierDescriptorPatternRecognition,():~ KerenD,CooperD,SubrahmoniaJDescribingComplicatedObjectsbyImplicitPolynomialsIEEETransonPAMI,():~ BallardDHGeneralizingtheHoughTransformtoDetectArbitraryShapesPatternRecognition,,():~ MehrotraR,GaryJESimilarshapeRetrievalinShapeDataManagementComputer,:~ WidrowBTheRubberMaskTechquePartIPatternRecognition,,():~ FischlerM,ElschlagerRTheRepresentationandMatchingofPictoralStructuresIEEETransonComputers,,C() BurrDJElasticMatchingofLineDrawingsPAMI,,() MoshfeghiM,RanganathS,NawynKThreeDimensionalElasticMatchingofVolumesIEEETransonIP,,() BajcsyR,KovacicSMultiresolutionElasticMatching,CVGIP,,:~ KassM,WitkinA,TerzopoulosDSnakes:ActiveContourModelsIJCV,,():~ TerzopoulosD,WitkinA,KassMConstraintsonDeformableModels:RecoveringDShapeandNonerigidMotionAI,,:~ CohenLD,CohenIFiniteElementMethodsforActiveContourModelsandBalloonsforDandDImagesIEEETransonPAMI,,():~ StorvikGABayesianApproachtoDynamicContoursThroughStochasticSamplingandSimulatedAnnealingIEEETransonPAMI,,():~ YuilleAL,HallinanPW,CohenDSFeatureExtractionfromFacesUsingDeformableTemplatesIJCV,,():~ ChakrabortyA,StaibLH,DuncanJSDeformableBoundaryFindingInfluencedbyRegionHomogeneityInProcICCVPR,Seattle,:~ GrenanderUPatternSynthesis:LecturesinPatternTheoryAppliedMathematicalSciencesSprigerVerlag,, AmitY,GrenanderU,PiccioniMStructuralImageRestorationThroughDeformableTemplateJAmStatiscalAssn,,():~ CootesTF,TaylorCJ,LanitisAActiveShapeModels:EvaluationofaMultiresolutionMethodforImprovingImageSearchInProcBritishMachineVisionConf,,:~ JainAK,ZhongY,LakshmananSObjectMatchingUsingDeformableTemplatesIEEETransonPAMI,,():~ JagadishHVARetrievalofTechniqueforSimilarShapesProcACMSIGMODConfManagementofDataACMNewYork,:~ HaralickRM,ShanmugamK,DinsteinITexturalFeaturesforImageClassificationIEEETransonSMC,,:~ WeszkaJS,DyerCR,RosenfieldAComparativeStudyofTextureMeasuresforTerrainClassificationIEEETransonSMC,,:~ KashyapRL,KhotanzadAAModelbasedMethodforRotationInvariantTextureClassificationIEEETransonPAMI,,:~ CohenFS,FanZ,PatelMClassificationofRotatedandScaledTexturedimagesUsingGaussianMarkovRandomFieldModelsIEEETransPAMI,,:~ PanjwaniDK,HealeyGMarkovRandomFieldModelsforUnsupervisedSegmentationofTexturedColorImages    机 器 人年月ChinaAcademicJournalElectronicPublishingHouseAllrightsreservedhttp:wwwcnkinetIEEETransPAMI,,() TurnerMRTextureDiscrimationbyGaborFunctionsBiolCybern,,:~ BovikAC,ClarkMMultichannelTextureAnalysisUsingLocalizedSpatialFiltersIEEETransPAMI,,:~ JainAK,FarrokhniaFUnsupervisedTextureSegmentationUsingGaborFiltersPatternRecognition,,():~ ReedTR,WechslerHSegmentationofTexturedImagesandGestaltOrganizationUsingSpatialöspatialfrequencyRepresentationsIEEETransPAMI,,:~ UnserM,EdenMMultiresolutionFeatureExtractionandSelectionforTextureSegmentationIEEETransPAMI,,:~ CarterPHTextureDiscriminationUsingWaveletsinSPIEApplicationsofDigitalImageProcessingXIV,,:~ LaineA,FanJTextureClassificationbyWaveletPacketSignaturesIEEETransPAMI,,():~ AkioNagasaka,YuzuruTanakaAutomaticVideoIndexingandFullVideoSearchforObjectAppearenceInndWorkingConferenceonVisualDatabaseSystemsBudapestHungary,,IFIPWG:~ HongJiangZhang,AtreyiKankanhalli,StephenWSmoliarAutomaticPartitioningofAnimateVideoTechnicalReportInstituteofSystemsScienceNationalUniversityofSingapore,HengMuiKengTerrace,KentRidge,Singapore, HampapurA,JainR,WeymouthTProductionModelBasedDigitalVideoSegme

用户评论(0)

0/200

精彩专题

上传我的资料

每篇奖励 +2积分

资料评价:

/10
1下载券 下载 加入VIP, 送下载券

意见
反馈

立即扫码关注

爱问共享资料微信公众号

返回
顶部