skip to main content
Language:
Search Limited to: Search Limited to: Resource type Show Results with: Show Results with: Search type Index

Localization of dominant points for object recognition: A scale-space approach

Signal processing, 1995-07, Vol.44 (3), p.341-352 [Peer Reviewed Journal]

1995 ;1995 INIST-CNRS ;ISSN: 0165-1684 ;EISSN: 1872-7557 ;DOI: 10.1016/0165-1684(95)00034-B ;CODEN: SPRODR

Full text available

Citations Cited by
  • Title:
    Localization of dominant points for object recognition: A scale-space approach
  • Author: Yuen, Pong-chi ; Tsang, Peter W.M.
  • Subjects: Applied sciences ; Dominant point ; Exact sciences and technology ; Finger-print ; Information, signal and communications theory ; Object recognition ; Pattern recognition ; Scale-space ; Signal processing ; Telecommunications and information theory ; Zero-crossings
  • Is Part Of: Signal processing, 1995-07, Vol.44 (3), p.341-352
  • Description: The dominant points which are used for identifying an unknown object shape are commonly taken as the positions where the maxima of the curvature function occur on the object boundary. The peaks in the curvature function can be deduced from the corresponding zero-crossing points of its first-order derivative. In practice, presence of noise signal in the object contour may introduce false zero-crossings in the differentiation process, resulting in the apparent existence of false dominant points. Attenuation of the noise signal can be realized by convolving the contour function with a Gaussian filter. The width of the Gaussian function, however, has to be properly decided to prevent unnecessary removal of the relevant dominant points. In this paper, a novel scheme for automatic determination of the filtering scale is reported. The method employs scale-space decomposition to form a basis for an explicit and quantitative measurement on the reliability of the dominant point sets detected under different degree of filtering, with which the one exhibiting the highest score is selected. The method has been successfully applied to extract the dominant point sets for different types of handtools without prior knowledge of their sizes, shapes and orientations. Die dominaten Punkte, die zur Identifikation eines unbekannten Objektes benutzt werden, werden im allgemeinen als die Positionen eingesetzt, an denen Maxima der Curvature Fuction auftreten. Die Maximalwerte der Curvature Function können von den zugehörigen Nullpunkten der ersten Ableitung hergeleitet werden. In der Praxis werden die Nulldurchgänge der Ableitung durch Rauscheinfluβ verfälscht, was zu einer scheinbaren Existenz von falschen dominanten Punkten führt. Eine Dämpfung des Rauschens kann durch die Faltung der Kontur-Funktion mit Gauβfiltern erreicht werden. Die Breite der Gauβfunktion muβ jedoch geeignet gewählt werden, um unnötige Verschiebungen der relevanten dominanten Punkte zu vermeiden. In dieser Arbeit wird ein neues Verfahren für die automatische Festlegung der Filterskalierung wiedergegeben. Die Methode verwendet eine Scale-Spaces-Zerlegung, um eine Basis für ein explizites und quantitatives Zuverlässigkeitsmaβ für die unter verschiedenen Filtergraden detektierten dominanten Punkte zu erhalten, womit derjenige ausgewählt wird, der den gröβten Wert enthält. Die Methode wurde erfolgreich zur Extraktion der dominanten Punkte für verschiedene Typen von Werkzeugen ohne Kenntnisse ihrer Gröβe, Konturen und Orientierung eingesetzt. Les points dominants qui sont utilisés pour identifier la forme d'un objet inconnu sont en général pris la oú se produisent les maxima de la fonction de courbure le long de la frontière de l'objet. Les pics de la fonction de courbure peuvent être déduits des passages par zero de sa première dérivée. En pratique, la présence d'un signal de bruit dans le contour de l'objet peut introduire de faux passages par zeros dans les processus de differentiation, résultant en l'existence apparente de faux points dominants. L'atténuation du signal de bruit peut être realisée en convoluant la fonction de contour avec un filtre gaussien. Toutefois, la largeur de la fonction gaussienne doit être proprement choisie afin d'éviter la suppression inutile de point dominants significatifs. Dans cet article, une nouvelle méthode pour la détermination automatique de l'échelle de filtrage est proposée. Cette technique emploie une décomposition échelle-espace pour former une base pour une mesure explicite et quantitative de la fiabilité des points dominants détectés sous différents degrés de filtrage, avec lesquels celui présentant le plus haut score est selectionné. La méthode a été appliquée avec succes pour extraire les points dominants pour différents ensembles d'outils sans connaissance à priori de leur taille, forme et orientation.
  • Publisher: Amsterdam: Elsevier B.V
  • Language: English
  • Identifier: ISSN: 0165-1684
    EISSN: 1872-7557
    DOI: 10.1016/0165-1684(95)00034-B
    CODEN: SPRODR
  • Source: Alma/SFX Local Collection
Back to results list
INSPIRE LIBRARY - TON DUC THANG UNIVERSITY (84-028) 37 755 057 Feedback
19 Nguyen Huu Tho St. Dist.7, HCM thuvien@tdtu.edu.vn

Copyright © 2017 INSPIRE LIBRARY - TON DUC THANG UNIVERSITY

Searching Remote Databases, Please Wait