1. SCSIT
  2. Всі випуски
  3. Випуск 710, 2011
  4. Екстракція ознак зображень при фрагментації інтенсивності

Екстракція ознак зображень при фрагментації інтенсивності

SCSIT.
2011;
Випуск 710
: cc. 248 - 255
Authors: 

Р. Мельник, Ю. Каличак

Національний університет «Львівська політехніка», кафедра програмного забезпечення

Розроблено метод отримання розподілених ознак зображення на основі фрагментації його інтенсивності. За допомогою методу обчислюються ознаки інтенсивності, координати пікселів зображення та змішані ознаки. Продемонстровано експерименттальні результати залежностей вибраних ознак для тестових зображень.

The method for distributed features of visual patterns extraction is considered. Based on presented methods the features of intensity, pixels coordinates and mixed features are calculated. Some experimental results of using selected method for image features extraction are presented.

візуальний образ
зображення
інтенсивність
об’єм інтенсивності
фрагментація
  1. A. Vailaya, A.K. Jain, H.J. Zhang. On image classification: city vs. landscape // Pattern Recognition, vol. 31, p. 1921-1935, 1998.
  2. M.J. Swain, D.H. Ballard. Color indexing // International journal of Computer Vision, vol. 7, n. 1, p. 11-32, 1991.
  3. H. Nezamabadi-pour, E. Kabir. Image retrieval using histograms of unicolor and bicolor blocas and direccional changes in intensity gradient // Pattern Recognition Letters, vol. 25, n. 14, p. 1547-1557, 2004.
  4. F. Mokhtarian, S. Abbasi. Shape similatity retrieval under affine transforms // Pattern Recognition, vol. 35, p. 31-41, 2002.
  5. A.K. Jain, A. Vailaya. Image retrieval using color and shape // pattern Recognition, vol. 29, n. 8, p. 1233-1244, 1996.
  6. B.S. Manjunath, W.Y. Ma. Texture feature for browsing and retrieval of image data // IEEE PAMI, vol. 8, n. 18,p. 837-842, 1996.
  7. J.R. Smith, C.S. Li. Image classification and quering using composite region templates // Academic Press, Computer Vision and Understanding, vol. 75, p. 165-174, 1999.
  8. J.Z. Wang, J. Li, G. Wiederhold. SIMPLIcity: semantic sensitive integrated matching for picture libraries // IEEE Trans. on Pattern Analysis and Machine Intelligence, vol. 23, n. 9, p. 947-963, 2001.
  9. H.W. Yoo, S.H. Jung, D.H. Jang, Y.K. Na. Extraction of major object features using VQ clustering for content-based image retrieval // Pattern Recognition, vol. 35, p. 1115-1126, 2002.
  10. M. Szummer, R.W. Picard. Indoor- outdoor image classification // IEEE International Workshop on Content-Based Access of Image and Video Database (ICCV’98), p. 42-51, 1998.
  11. T.P. Minka, R.W. Picard. Interactive learning using a society of models // Pattern Recognition, vol. 30, n. 3, p. 565, 1997.
  12. M.C. Burl, M. Weber, P. Perona. A probabilistic approach to object recognition using local photometry and global geometry // Proc. European Conf. Computer Vision, p. 628-641, 1998.
  13. J.Z. Wang, M.A. Fishler. Visual similarity, judgmental certainty and stereo correspondence // Proc. DARPA Image Understanding Workshop, 1998.
  14. База 1000 тестових зображень (Wang) http://wang.ist.psu.edu/~jwang/test1.tar (2009).