TWI448913B - A shape generation method and a image retrieval system for image retrieval - Google Patents
A shape generation method and a image retrieval system for image retrieval Download PDFInfo
- Publication number
- TWI448913B TWI448913B TW100143961A TW100143961A TWI448913B TW I448913 B TWI448913 B TW I448913B TW 100143961 A TW100143961 A TW 100143961A TW 100143961 A TW100143961 A TW 100143961A TW I448913 B TWI448913 B TW I448913B
- Authority
- TW
- Taiwan
- Prior art keywords
- contour
- data set
- image
- layer
- shape
- Prior art date
Links
Landscapes
- Image Analysis (AREA)
Description
本發明是有關於一種影像檢索(image retrieval)技術,特別是指一種用於影像檢索的外形(shape)描述子(descriptor)產生方法及影像檢索系統。
影像的內容可包括色彩(color)、紋路(texture)、外形等多種特徵,所述特徵可以用來作為描述影像的描述子,以供作為影像檢索時的比對依據。然而,在某些特定應用(例如,商標(trademark)影像的檢索)中,色彩、紋路特徵可能是不重要的(insignificant)比對依據;甚至,在此種特定應用中,影像的資料內容可能不包括色彩、紋路特徵的相關資訊;此時,外形便會是用以描述此種特定應用之影像的主要描述子。
目前用以描述影像的外形描述子大致上可以分兩大類:一是以輪廓為基礎的(contour-based)外形描述子,另一是以區域為基礎的(region-based)外形描述子。在現有的動態影像專家組-7(Moving Picture Experts Group,簡稱MPEG-7)標準中提出了兩種外形描述子,分別是以輪廓為基礎的區率尺度空間(Curvature Scale Space,簡稱CSS)描述子,及以區域為基礎的徑角轉換(Angular Radial Transformation,簡稱ART)描述子。
其中,CSS描述子非常精簡(compact),且具有物件經旋轉(rotation)、縮放(scaling)及位移(translation)處理後依然能被辨別之優點,然,CSS描述子最主要的缺點是:其僅適於具有單一封閉輪廓(single-contour)物件的影像之檢索應用,不適於具有多個物件的影像之檢索應用;而,ART描述子雖不僅限於單一封閉輪廓物件的影像之檢索應用,然,ART描述子之特徵擷取過程的運算複雜度高,且其無法保有對於人的視覺感知上(perception)極為重要的輪廓特徵。
因此,本發明之目的,即在提供一種用於影像檢索的外形描述子產生方法。
於是,本發明用於影像檢索的外形描述子產生方法,包含下列步驟:
(A)根據一影像的多個像素資料得到一已轉換至極座標系統的輪廓資料集,其中,該已轉換至極座標系統的輪廓資料集包括屬於該影像中至少一物件的輪廓之像素相對於一中心點位置的極座標,每一極座標包括一半徑資訊及一角度資訊;
(B)根據該已轉換至極座標系統的輪廓資料集的極座標的半徑資訊,將該已轉換至極座標系統的輪廓資料集分割成多個分層輪廓資料子集;
(C)根據所述分層輪廓資料子集,得到一距離特徵資料集,及一角度特徵資料集;及
(D)根據步驟(C)的執行結果,產生一外形描述子組合。
本發明之另一目的,即在提供一種影像檢索系統。
於是,本發明影像檢索系統,包含:一輸入模組、一資料庫,及一處理模組。該處理模組電連接於該輸入模組及該資料庫,該處理模組包括一外形描述子產生單元及一檢索單元,該外形描述子產生單元用以執行上述之用於影像檢索的外形描述子產生方法。其中,該資料庫內儲存有多個影像的像素資料,以及所述影像的像素資料分別經該外形描述子產生單元處理後所得的多個外形描述子組合。當使用者利用該輸入模組輸入一影像樣本後,該外形描述子產生單元根據該影像樣本的像素資料對應產生一外形描述子組合,該檢索單元以對應該影像樣本的該外形描述子組合,作為影像檢索時的比對依據,至該資料庫進行比對以得到一檢索結果。
本發明之功效在於:藉由根據所述分層輪廓資料子集得到的該距離特徵資料集、該角度特徵資料集所產生的該外形描述子組合,不像CSS描述子僅限於單一封閉輪廓物件的檢索應用,且其運算複雜度較ART描述子所需的低,並保有了該影像中該物件的輪廓之相關特徵。
有關本發明之前述及其他技術內容、特點與功效,在以下配合參考圖式之較佳實施例的詳細說明中,將可清楚的呈現。
請參閱圖1,本發明影像檢索系統1的較佳實施例包含一輸入模組11、電連接於該輸入模組11的一處理模組12、電連接於該處理模組12的一資料庫13,及電連接於該處理模組12的一輸出模組14。其中,該處理模組12包括一外形描述子產生單元121,及一檢索單元122;由於本發明主要的改良重點是在該外形描述子產生單元121所進行的處理,因此以下先對該外形描述子產生單元121作出說明。
該外形描述子產生單元121用以根據一影像的多個像素(pixel)資料產生一外形描述子組合;由於人的視覺感知上對於影像資料中低頻的成分較為敏感,過多細節的高頻成份對於評估多個影像間外形上的相似性(similarity)並無太大的助益;再者,基於我們的觀察,當人們在觀看影像時,大部分的人會先注意到影像的巨觀(macroscopic)特徵,例如,外部的輪廓;然後,目光才會接著注視到內部的細節。基於所述視覺感知上的特性,該外形描述子產生單元121的主要概念即是將影像的特徵由外到內(from outer to inner)分成數層(layer),並據以產生該外形描述子組合,以作為影像描述的依據。
請參閱圖1、圖2與圖3,該外形描述子產生單元121所執行的外形描述子產生方法的較佳實施例包含下列步驟。
在步驟201中,該外形描述子產生單元121根據所述像素資料得到一輪廓資料集(data set);該外形描述子產生單元121係藉由形態學運算(morphological operation)以得到該輪廓資料集;其中,該輪廓資料集包括屬於該影像中至少一物件的輪廓之像素相對於一參考點(例如,以該影像左上角的點作為該參考點)的笛卡爾座標(Cartesian coordinate),定義如下式(1);由於此步驟中所進行的形態學運算係為熟習此項技術者所熟知,故不在此贅述。
Ω={(x 1
,y 1
),(x 2
,y 2
),…,(x n
,y n
)}………………………………(1)
其中,Ω表示該輪廓資料集,(x i
,y i
)表示屬於輪廓之像素的所述笛卡爾座標,n
表示屬於輪廓之像素的一數量。
如圖3所示,以一包括多個物件311~315的影像31為範例,經步驟201之處理後可得到所述物件311~315的輪廓32,其輪廓資料集包括屬於該輪廓32之像素的笛卡爾座標。
在步驟202中,該外形描述子產生單元121根據該輪廓資料集Ω得到一中心點位置,在本較佳實施例中,該中心點位置為該影像中該物件的輪廓的一幾何中心(geometrical center)位置,其相關運算整理如下式(2)。
其中,(x c
,y c
)表示該幾何中心位置。
值得一提的是,由於該幾何中心位置(x c
,y c
)有時會受該影像中的雜訊(或類雜訊(noise-like)的微小物件)的影響而有所偏移(shift),為了提高該中心點位置對於雜訊的強健度(robustness against noise),該中心點位置亦可改為該影像中該物件的一質心(center of mass)位置,並不限於本較佳實施例所揭露。其中,該質心位置的求法簡述如下:根據該輪廓資料集Ω得到屬於該影像中該物件的輪廓內所有區域(region)之像素的笛卡爾座標,再根據輪廓內所有區域之像素的笛卡爾座標求得該質心位置。
在步驟203中,該外形描述子產生單元121根據該輪廓資料集Ω及該中心點位置進行座標轉換(coordinate system transformation),以將該輪廓資料集Ω由笛卡爾座標系統轉換至以該中心點位置為原點(origin)的極座標(polar coordinate)系統,也就是說,將所述笛卡爾座標(x i
,y i
)轉換成以該中心點位置為原點的極座標,其相關運算及定義整理如下式(3)~(5)所示。
Ω p
={(r 1
,θ1
),(r 2
,θ2
),…,(r n
,θ n
)}………………………………‥(5)
其中,r i
表示所述笛卡爾座標(x i
,y i
)相對於該中心點位置(x c
,y c
)的一半徑(radius)資訊(即,(x i
,y i
)至(x c
,y c
)的距離),θ i
表示所述笛卡爾座標(x i
,y i
)相對於該中心點位置(x c
,y c
)的一角度(angle)資訊,(r i
,θ i
)表示所述極座標,Ω p
表示一已轉換至極座標系統的輪廓資料集。
在步驟204中,該外形描述子產生單元121根據該已轉換至極座標系統的輪廓資料集Ω p
的所述半徑資訊r i
,將該已轉換至極座標系統的輪廓資料集Ω p
分割(partition)成多個分層(layer)輪廓資料子集。在本較佳實施例中,令所述半徑資訊r i
中的一最大值以r m
表示,即,r m
=max(r i
);該外形描述子產生單元121藉由將r m
以一預設層數L
來均分,以對應將該已轉換至極座標系統的輪廓資料集Ω p
分割成L
個分層輪廓資料子集,其相關運算及定義整理如下式(6)~(7)所示。
Ω p
=R 1
∪R 2
∪…∪R L
……………………………………….(7)
其中,R l
表示第l
層的分層輪廓資料子集。
請參閱圖2、圖3與圖4,延續以上範例,經步驟202之處理後得到該輪廓32的一中心點位置標示為O;經步驟203之處理後得到以該中心點位置O為原點的極座標(r i
,θ i
);經步驟204之處理後將已轉換至極座標系統的輪廓資料集Ω p
分割成3個分層輪廓資料子集:R 1
表示第1層(最內層)的分層輪廓資料子集,其對應於第1層區域(即,圖3、4中的Regionl)內屬於該輪廓32之像素;R 2
表示第2層的分層輪廓資料子集,其對應於第2層區域(即,圖3、4中的Region2)內屬於該輪廓32之像素;R 3
表示第3層(最外層)的分層輪廓資料子集,其對應於第3層區域(即,圖3、4中的Region3)內屬於該輪廓32之像素。
請參閱圖1與圖2,在步驟205中,該外形描述子產生單元121根據所述分層輪廓資料子集,得到一距離特徵資料集、一角度特徵資料集,及一分層像素比例資料集,其處理細節分述如下。
首先,為了達到尺度不變性(scale invariance),進一步地將式(6)所示的所述分層輪廓資料子集R l
,根據r m
進行正規化(normalization)處理,其相關運算整理如下式(8)所示。
其中,R l_nor
表示一已正規化的第l
層的分層輪廓資料子集,R l_nor
的極座標的半徑資訊為。
然後,根據R l_nor
的極座標的半徑資訊進行直方圖分佈統計(histogram)以得到第l
層的一直方圖分佈統計結果,假設以一預設數量N
將半徑資訊分為N
個統計區(histogram bin)進行直方圖分佈統計,則該直方圖分佈統計結果可表示成下式(9)所示之向量(vector)。
其中,表示該直方圖分佈統計結果,表示所述N
個統計區的分佈統計值,n l
表示R l_nor
的極座標的一數量(實質上為第l
層屬於輪廓之像素的一數量)。
由於每層的該直方圖分佈統計結果即可代表該影像中該物件的輪廓於每層之外形上距離分佈之特徵,因此,該距離特徵資料集可表示成下式(10)所示之矩陣(matrix)。
值得一提的是,由實驗的結果顯示,將每層分為4個統計區足以得到適當的該距離特徵資料集,因此,在本較佳實施例中,N
=4。
每層的角度特徵係用以描述該影像中該物件的輪廓於每層之外形上的連續性(continuity),以下先定義兩種角度特徵,如下式(11)~(12)所示。
其中,Δα l , a
表示該影像中該物件的輪廓於第l
層的連續(continuous without any break)輪廓段(piece)所對應的外形角度(shape angle),k
表示第l
層的連續輪廓段的一數量,Δβ l , b
表示該影像中該物件的輪廓於第l
層中未出現任何屬於輪廓的像素之無輪廓像素區所對應的非外形角度(non-shape angle),h
表示第l
層的無輪廓像素區的一數量,表示所有Δβ l , b
,for b
=1,2,…,h
的一平均值;第l
層的所述角度特徵即為e l
及q l
;換言之,e l
表示第l
層的所述外形角度的一佔據比例,q l
表示第l
層的所述非外形角度的一標準差。
該角度特徵資料集可表示成下式(13)所示之矩陣。
請參閱圖2與圖5,延續以上範例,最外層區域(即,圖5中的Region3)包括3個連續輪廓段及3個無輪廓像素區,所述連續輪廓段分別對應的外形角度為Δα3,1
、Δα3,2
、Δα3,3
,所述無輪廓像素區分別對應的非外形角度為Δβ3,1
、Δβ3,2
、Δβ3,3
;第2層區域(即,圖5中的Region2)包括1個連續輪廓段及1個無輪廓像素區,該連續輪廓段對應的外形角度為Δα2,1
,該無輪廓像素區對應的非外形角度為Δβ2,1
;最內層區域(即,圖5中的Region1)包括2個連續輪廓段及2個無輪廓像素區,所述連續輪廓段分別對應的外形角度為Δα1,1
、Δα1,2
,所述無輪廓像素區分別對應的非外形角度為Δβ1,1
、Δβ1,2
。
由於每層屬於輪廓之像素佔全部屬於輪廓之像素的一比例,可表現出屬於輪廓之像素於每層分佈的整體特性(global characteristic),其可提供諸如外層(outer layer)或內層(inner layer)所含的外形相關資訊多寡的訊息。其中,該比例定義如下式(14)。
其中,n l
表示第l
層屬於輪廓之像素的該數量。
該分層像素比例資料集可表示成下式(15)所示之向量。
在步驟206中,該外形描述子產生單元121根據該距離特徵資料集、該角度特徵資料集,及該分層像素比例資料集其中至少一部分內容,產生該外形描述子組合;在本較佳實施例中,該外形描述子組合係完整地涵蓋上述所有分層特徵(即,該距離特徵資料集、該角度特徵資料集,及該分層像素比例資料集),其表示如下式(16)。
值得一提的是,該外形描述子組合亦可以視實際應用需求調整其內容,並不限於本較佳實施例所揭露。舉例來說,在相似影像外形的檢索(similarity shape image retrieval)之應用中,較外層的特徵整體來說較有實質意義,而內部的其他細節對於判斷影像外形的相似度相對來說較不是太重要,針對此種應用,,我們可以省略掉該角度特徵資料集內層的部分資料,例如,僅保留該角度特徵資料集最外層(第L
層)的資料,其對應的另一外形描述子組合表示如下式(17),其所需的運算複雜度即可再進一步地降低。
請再回顧圖1,以下對本發明影像檢索系統1的運作進行描述。值得一提的是,由於該影像檢索系統1的該輸入模組11、該檢索單元122,及該輸出模組14之運作,與現有的影像檢索系統並無太大的差異,因此以下不對其等之實施細節有太多著墨。
其中,該影像檢索系統1的該資料庫13係預先建立,該資料庫13內儲存有多個影像的像素資料,以及所述影像的像素資料分別經該外形描述子產生單元121執行上述外形描述子產生方法後所得的多個外形描述子組合。
當使用者利用該輸入模組11輸入一影像樣本後,該外形描述子產生單元121根據該影像樣本的像素資料對應產生一外形描述子組合,該檢索單元122以對應該影像樣本的該外形描述子組合,作為影像檢索時的比對依據,至該資料庫13進行比對以得到一檢索結果,並將該檢索結果利用該輸出模組14提供給使用者。
綜上所述,本發明所產生的該外形描述子組合,不像CSS描述子僅限於單一封閉輪廓物件的檢索應用,且其運算複雜度較ART描述子所需的低,並保有了該物件的輪廓於每層之外形上距離分佈及連續性等特徵;更進一步來說,其還可提供諸如外層或內層所含的外形相關資訊多寡的訊息,故確實能達成本發明之目的。
惟以上所述者,僅為本發明之較佳實施例而已,當不能以此限定本發明實施之範圍,即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾,皆仍屬本發明專利涵蓋之範圍內。
1...影像檢索系統
11...輸入模組
12...處理模組
121...外形描述子產生單元
122...檢索單元
13...資料庫
14...輸出模組
201~206...步驟
31...影像
311~315...物件
32...輪廓
圖1是一方塊圖,說明本發明影像檢索系統的一較佳實施例;
圖2是一流程圖,說明本發明外形描述子產生方法的步驟;
圖3是一示意圖,說明一包括多個物件的影像的範例、其對應的一輪廓,及多個分層區域(第1~3層區域);
圖4是一示意圖,進一步地說明圖3所示的該影像的所述分層區域;及
圖5是一示意圖,說明圖3所示的該影像的所述分層區域所包括的多個連續輪廓段分別對應的多個外形角度,及多個無輪廓像素區分別對應的多個非外形角度。
201~206...步驟
Claims (10)
- 一種用於影像檢索的外形描述子產生方法,包含下列步驟:(A)根據一影像的多個像素資料得到一已轉換至極座標系統的輪廓資料集,其中,該已轉換至極座標系統的輪廓資料集包括屬於該影像中至少一物件的輪廓之像素相對於一中心點位置的極座標,每一極座標包括一半徑資訊及一角度資訊;(B)根據該已轉換至極座標系統的輪廓資料集的極座標的半徑資訊,將該已轉換至極座標系統的輪廓資料集分割成多個分層輪廓資料子集;(C)根據所述分層輪廓資料子集,得到一距離特徵資料集,及一角度特徵資料集;及(D)根據步驟(C)的執行結果,產生一外形描述子組合。
- 依據申請專利範圍第1項所述之用於影像檢索的外形描述子產生方法,其中,步驟(A)包括下列子步驟:(a-1)根據該影像的所述像素資料得到一輪廓資料集,其中,該輪廓資料集包括屬於該影像中該物件的輪廓之像素的笛卡爾座標,定義如下:Ω={(x 1 ,y 1 ),(x 2 ,y 2 ),…,(x n ,y n )};其中,Ω表示該輪廓資料集,(x i ,y i )表示屬於輪廓之像素的笛卡爾座標,n 表示屬於輪廓之像素的一數量;(a-2)根據該輪廓資料集得到該中心點位置;及(a-3)根據該輪廓資料集及該中心點位置進行座標轉換,以得到該已轉換至極座標系統的輪廓資料集,其相關運算及定義整理如下:
- 依據申請專利範圍第2項所述之用於影像檢索的外形描述子產生方法,其中,在子步驟(a-2)中,係根據該輪廓資料集求得一幾何中心位置以作為該中心點位置。
- 依據申請專利範圍第2項所述之用於影像檢索的外形描述子產生方法,其中,在子步驟(a-2)中,係根據該輪廓資料集求得一質心位置以作為該中心點位置。
- 依據申請專利範圍第2項所述之用於影像檢索的外形描述子產生方法,其中,在步驟(B)中,係根據該已轉換至極座標系統的輪廓資料集的極座標的半徑資訊,將該已轉換至極座標系統的輪廓資料集分割成L 個分層輪廓資料子集,其相關運算及定義整理如下:
- 依據申請專利範圍第5項所述之用於影像檢索的外形描述子產生方法,其中,步驟(C)包括下列子步驟:(c-1)將所述分層輪廓資料子集R l ,根據r m 進行正規化處理,其相關運算整理如下:
- 依據申請專利範圍第5項所述之用於影像檢索的外形描述子產生方法,其中,步驟(C)包括下列子步驟:(c-4)利用以下算式以求得每層的多個角度特徵,並據以產生該角度特徵資料集:
- 依據申請專利範圍第1~7項中任一項所述之用於影像檢索的外形描述子產生方法,其中,步驟(C)還根據所述分層輪廓資料子集,計算每層屬於輪廓之像素佔全部屬於輪廓之像素的一比例,以得到一分層像素比例資料集。
- 依據申請專利範圍第8項所述之用於影像檢索的外形描述子產生方法,其中,步驟(D)係根據該距離特徵資料集、該角度特徵資料集,及該分層像素比例資料集的至少一部分內容,以產生該外形描述子組合。
- 一種影像檢索系統,包含:一輸入模組;一資料庫;及一處理模組,電連接於該輸入模組及該資料庫,該處理模組包括一外形描述子產生單元及一檢索單元,該外形描述子產生單元用以執行如同申請專利範圍第9項所述之用於影像檢索的外形描述子產生方法;其中,該資料庫內儲存有多個影像的像素資料,以及所述影像的像素資料分別經該外形描述子產生單元處理後所得的多個外形描述子組合;其中,當使用者利用該輸入模組輸入一影像樣本後,該外形描述子產生單元根據該影像樣本的像素資料對應產生一外形描述子組合,該檢索單元以對應該影像樣本的該外形描述子組合,作為影像檢索時的比對依據,至該資料庫進行比對以得到一檢索結果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100143961A TWI448913B (zh) | 2011-11-30 | 2011-11-30 | A shape generation method and a image retrieval system for image retrieval |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW100143961A TWI448913B (zh) | 2011-11-30 | 2011-11-30 | A shape generation method and a image retrieval system for image retrieval |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201322019A TW201322019A (zh) | 2013-06-01 |
TWI448913B true TWI448913B (zh) | 2014-08-11 |
Family
ID=49032359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW100143961A TWI448913B (zh) | 2011-11-30 | 2011-11-30 | A shape generation method and a image retrieval system for image retrieval |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI448913B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103278127A (zh) * | 2013-06-20 | 2013-09-04 | 爱司帝光电科技(苏州)有限公司 | 计算待测元件的轮廓数据的方法 |
TWI493477B (zh) * | 2013-09-06 | 2015-07-21 | Utechzone Co Ltd | 用於偵測多人狀態之方法、電腦可讀取記錄媒體及用於偵測多人狀態之視訊監控裝置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200741485A (en) * | 2006-03-30 | 2007-11-01 | Konami Digital Entertainment Co Ltd | Image generation device, image generation method, and information recording medium |
TW200911063A (en) * | 2007-08-17 | 2009-03-01 | Hon Hai Prec Ind Co Ltd | Apparatus and method for identifying target object in image |
US20100067805A1 (en) * | 2006-12-18 | 2010-03-18 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Device, method and computer program for identifying a traffic sign in an image |
-
2011
- 2011-11-30 TW TW100143961A patent/TWI448913B/zh not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200741485A (en) * | 2006-03-30 | 2007-11-01 | Konami Digital Entertainment Co Ltd | Image generation device, image generation method, and information recording medium |
US20100067805A1 (en) * | 2006-12-18 | 2010-03-18 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Device, method and computer program for identifying a traffic sign in an image |
TW200911063A (en) * | 2007-08-17 | 2009-03-01 | Hon Hai Prec Ind Co Ltd | Apparatus and method for identifying target object in image |
Also Published As
Publication number | Publication date |
---|---|
TW201322019A (zh) | 2013-06-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Automatic tumor segmentation in breast ultrasound images using a dilated fully convolutional network combined with an active contour model | |
WO2020156361A1 (zh) | 一种训练样本获得方法、装置、电子设备和存储介质 | |
Ju et al. | Depth-aware salient object detection using anisotropic center-surround difference | |
CN107066935B (zh) | 基于深度学习的手部姿态估计方法及装置 | |
CN104657936B (zh) | 用于调整深度值的方法及电子装置 | |
CN107622244B (zh) | 一种基于深度图的室内场景精细化解析方法 | |
CN108062525B (zh) | 一种基于手部区域预测的深度学习手部检测方法 | |
CN107358258B (zh) | 基于nsct双cnn通道和选择性注意机制的sar图像目标分类 | |
KR102285915B1 (ko) | 모바일 디바이스를 위한 실시간 3d 제스처 인식 및 트랙킹 시스템 | |
EP2908287B1 (en) | Image segmentation device, image segmentation method, and depth map generating method | |
WO2010135617A1 (en) | Gesture recognition systems and related methods | |
Li et al. | Fuzzy c-means clustering based on spatial neighborhood information for image segmentation | |
CN107169962B (zh) | 基于空间密度约束核模糊聚类的灰度图像快速分割方法 | |
Ning et al. | Occluded person re-identification with deep learning: a survey and perspectives | |
CN111179193B (zh) | 基于DCNNs和GANs的皮肤镜图像增强和分类方法 | |
JP6351350B2 (ja) | 三次元モデル検索システム、及び三次元モデル検索方法 | |
Tao et al. | New one-step model of breast tumor locating based on deep learning | |
Hao et al. | Low-light image enhancement based on retinex and saliency theories | |
Pan et al. | An adaptive multifeature method for semiautomatic road extraction from high-resolution stereo mapping satellite images | |
TWI448913B (zh) | A shape generation method and a image retrieval system for image retrieval | |
Zhang et al. | A robust visual odometry based on RGB-D camera in dynamic indoor environments | |
Zhou et al. | Unsupervised saliency detection via knn mechanism and object-biased prior | |
CN114627136B (zh) | 一种基于特征金字塔网络的舌象分割与对齐方法 | |
CN117635519A (zh) | 基于ct图像的病灶检测方法、装置及计算机可读存储介质 | |
Sun et al. | Devil in the details: Delving into accurate quality scoring for DensePose |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |