НАУКА и ОБРАЗОВАНИЕ

Файл статьи: Bobkov_P.pdf (741.80Кб)

УДК 004.93	Россия, МГТУ им. Н.Э. Баумана

Рассмотрена задача поиска объекта на изображении при помощи обобщенного преобразования Хафа при наличии неучтенных геометрических искажений. Рассмотрен метод коррекции неучтенных геометрических искажений изображения и метод нормировки пространства параметров. Показано, что предложенные алгоритмы требуют относительно небольшого объема вычислений и позволяют существенно повысить надежность обнаружения объектов. Работа может быть интересна специалистам, работающим в области распознавания изображений, а также аспирантам и студентам старших курсов, слушающих курс лекций по распознаванию изображений.

Список литературы

1. Brown L. A Survey of Image Registration Techniques // ACM Computing Surveys. 1992. Vol. 24, no. 4. P. 325-376. DOI: 10.1145/146370.146374
2. Davies E.R. Computer and Machine Vision. Theory, Algorithms, Practicalities. 4^th ed. Academic Press, 2012. 871 p.
3. Karabernou S.M., Terranti F. Real-time FPGA implementation of Hough transform using gradient and CORDIC algorithm // Image Vision Comput. 2005. Vol. 23, no. 11. P. 1009-1017.
4. Basak J., Das A. Hough transform network: A class of networks for identifying parametric structures // Neurocomputing. 2003. Vol. 51. P. 125-145.
5. Bastian Leibe, Ales Leonardis, Bernt Schiele. Combined object categorization and segmentation with an implicit shape model // In: ECCV Workshop on Statistical Learning in Computer Vision, 2004. P. 17-32.
6. Vijay Kumar B.G., Ioannis Patras. A Discriminative Voting Scheme for Object Detection using Hough Forests // In: Proc. British Machine Vision Conference (BMVC), 2010.
7. Chao Gao, Xiaobo Deng, Changhai Shi. Detection of Dim Maneuvering Target Ased on Randomized Hough Transform // In: International Workshop on Information and Electronics Engineering (IWIEE), 2012. P. 808-813.
8. Angela Yao, Juergen Gall, Luc Van Gool. A Hough Transform-Based Voting Framework for Action Recognition // IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2010. P. 2061-2068. DOI: 10.1109/CVPR.2010.5539883
9. Gall J., Lempitsky V. Class-specific Hough forests for object detection // IEEE Conference on Computer Vision and Pattern Recognition (CVPR'09), 2009. P. 1022-1029. DOI: 10.1109/CVPR.2009.5206740
10. Payet N., Todorovic S. Hough Forest Random Field for Object Recognition and Segmentation // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2013. Vol. 35, iss. 5. P. 1066-1079. DOI: 10.1109/TPAMI.2012.194
11. Leavers V.F. Which Hough transform? // Computer Vision Graphics and Image Understanding: Image Processing. 1993. Vol. 58, no. 2. P. 50-64. DOI: 10.1006/ciun.1993.1041
12. Siyu Guo, Tony Pridmore, Yaguang Kong, Xufang Zhang. An improved Hough transform voting scheme utilizing surround suppression // Pattern Recognition Letters. 2009. Vol. 30. P. 1241-1252.
13. Grigorescu C., Petkov N., Westenberg M.A. Contour and boundary detection improved by surround suppression of texture edges // Image Vision Comput. 2004. Vol. 22, no. 8. P. 609-622.
14. Бобков А.В. Поиск объекта на изображении путем сравнения контуров // Труды восьмого международного симпозиума «Интеллектуальные системы» (INTELS'2008) (Нижний Новгород, 30 июня – 4 июля 2008). НГТУ, 2008. С. 254.