TWI503760B - Image description and image recognition method - Google Patents
Image description and image recognition method Download PDFInfo
- Publication number
- TWI503760B TWI503760B TW103110068A TW103110068A TWI503760B TW I503760 B TWI503760 B TW I503760B TW 103110068 A TW103110068 A TW 103110068A TW 103110068 A TW103110068 A TW 103110068A TW I503760 B TWI503760 B TW I503760B
- Authority
- TW
- Taiwan
- Prior art keywords
- spiral
- image
- pixels
- value
- integrated
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 51
- 230000010354 integration Effects 0.000 claims description 40
- 238000010586 diagram Methods 0.000 claims description 17
- 238000009826 distribution Methods 0.000 claims description 6
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 description 6
- 238000006073 displacement reaction Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 108010038083 amyloid fibril protein AS-SAM Proteins 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/60—Rotation of whole images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
- G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
Description
本發明是關於圖像處理的技術領域,特別是一種具有辨識圖像旋轉變化以及圖像尺寸變化的圖像描述及其圖像識別方法。
在一圖像中,搜尋出特定一目標圖的方法,目前普遍地被應用在網頁或照片中的人臉搜尋、在電路板上電子元件識別、在車輛上的車牌辨識、在空拍或遙測地圖上的建築物辨別或生物影像中細胞偵測等領域。
上述方法,一般先對該圖像中每一特定區塊及/或該目標圖進行描述,並藉由該特定區塊與該目標圖的匹配相似度,以在該圖像中搜尋出近似或完全相符合的該目標圖。該圖像的描述方法可針對彩色影像或是灰階影像進行描述。
雖然該彩色影像與該灰階影像都可進行影像的匹配,但是由於該灰階影像的描述相對於該彩色影像的描述具有較少的資訊。因此,可在影像匹配過程中,減少資訊運算的負擔。
傳統中,該灰階影像主要有一環形投影轉換(Ring Projection Transformation)和一放射形投影轉換(Radial Projection Transformation)二種描述法。前述二個描述法各自有優點,但是也存在著某些缺陷。
舉例而言,該環形轉換具有抗旋轉的優點,但缺點是不適用在例如該圖像中出現環形對稱或以中心向外輻射的圖樣,因該環形轉換是利用環形
的方式進行取樣,很容易在同一環形方向中獲得到相同資訊,而遺失一些放射方向的特性。
有鑑於此,本發明提出一種圖像辨識方法,除維持該環形轉換與該徑向轉換的優點之外,並能夠抵抗圖像尺寸變化與找出圖片經過旋轉之後的角度變化。
本發明之一目的提供一種圖像描述方法,利用螺旋線的軌跡將一圖像重新描繪成一螺旋集成圖,以達到抵抗該圖像旋轉、尺寸與位移等變化的功效。
本發明之另一目的提供一種圖像識別方法,藉由前述圖像描述方法所建立的一圖像描述模型識別一圖像物件。
本發明之又一目的根據該圖像識別方法,利用三階段的判斷步驟,由簡單判斷到複雜判斷個過程,由該圖像物件中過濾出與該圖像描述模型類似的子影像。
為達上述目的及其他目的,本發明係提供一種圖像描述方法,該方法包含,步驟(a)取得一圖像,該圖像具有複數像素。步驟(b)在該圖像決定一起始點的位置。步驟(c)在該圖像上,由該起始點沿著具有一前角度的一前螺旋線的軌跡取樣該等像素,讓該軌跡上的該等像素排列成一前螺旋集成線。步驟(d)將該前角度增加一角度變異量以形成具有一後角度的一後螺旋線,由該起始點沿著該後螺旋線的軌跡取樣該等像素,而該等像素排列成一後螺旋集成線。步驟(e)決定該角度變異量增加的次數,以重複地執行該步驟(d),而取得複數該後螺旋集成線,其中該等像素對應一數值。步驟(f)排列該前螺旋集成線與
該等後螺旋集成線,形成一螺旋集成圖(Spiral Aggregation Map),且紀錄每一該等像素的該數值。
為達上述目的及其他目的,本發明係提供一種圖像識別方法,供利用一圖像描述模型建立的一圖像描述模型,以識別一圖像物件,該圖像物件具有複數像素,以及該圖像描述模型具有一螺旋集成圖,該方法包含:步驟(a)在該圖像物件根據一圖像描述模型的尺寸,確定一第一比對區域的尺寸。步驟(b)該第一比對區域的一中心點對應該等像素之其中一者,以及由該中心點以具有一角度的一螺旋線的軌跡取樣位在該第一比對區域中的該等像素,而取樣的該等像素對應一數值,其中該數值可以是該等像素的平均值,或是該等像素表示成二階或更高階的數值。步驟(c)比對該數值與該螺旋集成圖所對應的一螺旋數值,其中該螺旋集成圖的該螺旋數值具有一數值分佈範圍。步驟(d)判斷該數值落在該數值分佈範圍之中,以紀錄該中心點所對應的該像素的座標;以及,步驟(e)將該比對區域移動至下一個像素,並執行步驟(d),直到對該圖像物件的所有區域完成掃描。
於另一實施例中,在步驟(e)之後,接著步驟(f)藉由取出已記錄的該中心點,以決定需要進行比對的一第二比對區域。步驟(g)在該第二比對區域中,以藉由複數條螺旋線的軌跡中取樣位在該第二比對區域中的該等像素,而在該等螺旋線中取樣的該等像素對應複數數值,其中該等數值可以是該等像素的平均值,或是該等像素表示成二階或更高階的數值。步驟(h)比對該等數值與該螺旋集成圖所對應的複數螺旋數值,其中該螺旋集成圖包含該等螺旋數值與一區間異次數值組;以及,步驟(i)判斷該等數值落在該區間異次數值之二次階數值範圍之間,以紀錄該中心點所對應的該像素的座標。
於又一實施例中,在步驟(i)之後,接著步驟(j)藉由取出已記錄的該中心點,以決定需要進行比對的一第三比對區域。步驟(k)在該第三比對區域
中,以藉由複數條螺旋線的軌跡中取樣位在該第三比對區域中的該等像素,以取得該等像素的投影量與形成一比對螺旋集成圖之其中一者。步驟(l)計算該螺旋集成圖與該比對螺旋集成圖在垂直方向的投影量,或計算該螺旋集成圖與該等像素的該投影量,以決定一特徵分數。步驟(m)計算該螺旋集成圖與該比對螺旋集成圖在水平方向的投影量,以決定一旋轉角度;以及,步驟(n)根據該特徵分數與該旋轉角度,決定該圖像描述模型與該螺旋集成圖的相關性。
相較於習知技術,本發明提供一圖像描述方法及利用該圖像描述模型進行圖像識別方法,該圖像描述方法可保留一圖像的結構性和連續的資訊。由於該圖像描述模型的描述法保留了該圖像更多細微的資訊。因此,該圖像描述模型可同時保有一環形投影轉換和一放射形投影轉換的優點,以抵抗該圖像的旋轉變化、尺寸變化與位移變化等。
S11~S16‧‧‧方法步驟
S51~S55‧‧‧方法步驟
S61~S64‧‧‧方法步驟
S71~S75‧‧‧方法步驟
第1圖係本發明實施例之圖像描述方法的流程示意圖。
第2圖係說明第1圖的圖像示意圖。
第3圖係說明第1圖的螺旋集成示意圖。
第4圖係該圖像與該螺旋集成圖的對比示意圖。
第5圖係本發明實施例之圖像識別方法的流程示意圖。
第6圖係本發明實施例之圖像識別方法的另一流程示意圖。
第7圖係本發明實施例之圖像識別方法的又一流程示意圖。
為充分瞭解本發明之目的、特徵及功效,茲藉由下述具體之實施
例,並配合所附之圖式,對本發明做一詳細說明,說明如後:請參考第1圖,係本發明實施例之圖像描述方法的流程示意圖。於第1圖中,該圖像描述方法起始於步驟S11,取得一圖像,該圖像可參考第2圖所示。該圖像具有複數像素。
步驟S12,在該圖像決定一起始點的位置。舉例而言,該起始點的位置,通常選定該圖像的中心位置。
步驟S13,在該圖像上,由該起始點沿著具有一前角度的一前螺旋線的軌跡取樣該等像素,讓該軌跡上的該等像素排列成一前螺旋集成線。
於本實施例中,該螺旋線的定義係螺旋線之軌跡上的每一個點,由上一個點經過固定的角速度到下一個點,而起點都是從中心點開始,直到外圍結束,該螺旋線可參考阿基米德的幾何螺旋定理。藉由該螺旋線的軌跡所形成的投影方法,來建立該圖像的圖像描述模型。在螺旋線的特性中,當螺旋線從中心開始向外延展時,該螺旋線之水平和垂直方向的位移會同時進行,所以藉由水平方向與垂直方向的投影可以了解該圖像的成分結構。
步驟S14,將該前角度增加一角度變異量以形成具有一後角度的一後螺旋線,由該起始點沿著該後螺旋線的軌跡取樣該等像素,而該等像素排列成一後螺旋集成線。舉例而言,該角度變異量的範圍為0.5至1度之間。
步驟S15,決定該角度變異量增加的次數,以重複地執行該步驟S14,而取得複數該後螺旋集成線。舉例而言,該次數的範圍介於1至720次之間。
藉由重複執行步驟S14與步驟S15,該前螺旋集成線與該等後螺旋集成線逐漸排列成一螺旋集成圖(可參考第3圖),例如該螺旋集成圖為一矩形,該前螺旋集成線與該等後螺旋集成線形成該矩形之一邊,而該矩形的另一邊由在該前螺旋集成線與該每一該後螺旋集成線之中的取樣點素所排列形成,於後
詳述。
步驟S16,排列該前螺旋集成線與該等後螺旋集成線,形成一螺旋集成圖(Spiral Aggregation Map,SAM)。於另一實施例中,該前螺旋集成線與該等後螺旋集成線依序地且垂直地排列成該螺旋集成圖。
在第3圖中,該螺旋集成圖藉由不同角度之下每一條螺旋線之軌跡上的每一個像素所構成,該螺旋集成圖定義為Sam(i,
φ),該函數表示在該圖像上第φ條螺旋線之軌跡上的第i個像素,且每一條螺旋線會根據φ的順序進行排列。在第3圖中,水平方向是由單一條螺旋線之軌跡上的所有像素i所組成,像素i的範圍由1至P,其中P表示在單一條螺旋上所取樣的總數。
另外,假設每一條螺旋線的空間分布率為△φ的角度。因此,在該螺旋集成圖總共會有2π/△φ條的螺旋線。
一併參考第4圖,係該圖像與該螺旋集成圖的對比示意圖。在第4圖中,值得關注的有二條螺旋線,一條是φ為0度的垂直線,以及一條為φ為π/2(即90度)的垂直線。每一條螺旋線顯示在該螺旋集成圖的水平方向。若在垂直方向取一條垂直線,表示每一條螺旋線旋轉後,第i個像素的匯集。整體而言,若結合所有的垂直線,就形成了該圖像的環形投影量。根據該幾何螺旋定理的定義,因為有相同的螺旋取樣,因此該螺旋線並不會因為圖像的尺寸改變而影響螺旋線所構成的軌跡。
總言之,該螺旋集成圖具有2個很重要的特性。第一個特性是能夠抵抗該圖像尺寸的變化。理由是,當該圖像的尺寸改變時,該圖像在該螺旋集成圖上的垂直投影保持幾乎相同的樣子。第二個特性是,該圖像的旋轉可以被預測的。舉例而言,該圖像被旋轉過後,該圖像在該螺旋集成圖上會顯示出垂直位移的方向,而藉由這個位移的變化量及方向,可以得知旋轉後的該圖像與未旋轉的該圖像之間的差異的旋轉方向和角度。
請參考第5圖,係本發明實施例之圖像識別方法的流程示意圖。於第5圖中,該圖像識別方法利用一圖像描述模型建立的一圖像描述模型,以識別一圖像物件。該圖像物件具有複數像素,以及該圖像描述模型具有一螺旋集成圖。該方法步驟起始於步驟S51,係在該圖像物件根據該圖像描述模型的尺寸,確定一第一比對區域的尺寸。
步驟S52,該第一比對區域的一中心點對應該等像素之其中一者,以及由該中心點以具有一角度的一螺旋線的軌跡取樣位在該第一比對區域中的該等像素,而取樣的該等像素對應一數值。
步驟S53,比對該數值與該螺旋集成圖所對應的一螺旋數值。該螺旋集成圖的該螺旋數值具有一數值分佈範圍。
步驟S54,判斷該數值落在該數值分佈範圍之間,以紀錄該中心點所對應的該像素的座標。
步驟S55,將該比對區域移動至下一個像素,並執行步驟S54,直到對該圖像物件的所有區域完成掃描。
請參考第6圖,係本發明實施例之圖像識別方法的另一流程示意圖。在步驟S55之後,接著步驟S61,藉由取出已記錄的該中心點,以決定需要進行比對的一第二比對區域。
步驟S62,在該第二比對區域中,藉由複數條螺旋線的軌跡中取樣位在該第二比對區域中的該等像素,而在該等螺旋線中取樣的該等像素對應複數數值。值得注意的是,該等螺旋線彼此之間呈現稀疏狀,而被選用的該等螺旋線是具有代表性的,以概括性描述該圖像。舉例而言,該等螺旋線的數量為4條,且相鄰的二條該等螺旋線之間的該角度相差90度。
步驟S63,比對該等數值與該螺旋集成圖所對應的複數螺旋數值。該螺旋集成圖包含該等螺旋數值與一區間異次數值組。
步驟S64,判斷該等數值落在該區間異次數值組之二次階數值範圍之間,以紀錄該中心點所對應的該像素的座標。
請參考第7圖,係本發明實施例之圖像識別方法的又一流程示意圖。在步驟S64之後,接著步驟S71,藉由取出已記錄的該中心點,以決定需要進行比對的一第三比對區域。
步驟S72,在該第三比對區域中,以密集複數條螺旋線的軌跡中取樣位在該第三比對區域中的該等像素,以取得該等像素的投影量與形成一比對螺旋集成圖之其中一者。值得注意的是,該等螺旋線彼此之間呈現密集狀,而能夠完全地描述該圖像。舉例而言,該等螺旋線的數量為360條,且相鄰的二條該等螺旋線之間的該角度相差預定的一角度,例如該角度為1度。
步驟S73,計算該螺旋集成圖與該比對螺旋集成圖在垂直方向的投影量,或計算該螺旋集成圖與該等像素的該投影量,以決定一特徵分數。該特徵分數可決定該圖像的中心點的位置。
步驟S74,計算該螺旋集成圖與該比對螺旋集成圖在水平方向的投影量,以決定一旋轉角度。
步驟S75,根據該特徵分數與該旋轉角度,決定該圖像描述模型與該螺旋集成圖的相關性。
本發明在上文中已以較佳實施例揭露,然熟習本項技術者應理解的是,該實施例僅用於描繪本發明,而不應解讀為限制本發明之範圍。應注意的是,舉凡與該實施例等效之變化與置換,均應設為涵蓋於本發明之範疇內。因此,本發明之保護範圍當以申請專利範圍所界定者為準。
S11-S16 方法步驟
Claims (10)
- 一種圖像描述方法,該方法步驟包含:(a)取得一圖像,該圖像具有複數像素;(b)在該圖像決定一起始點的位置;(c)在該圖像上,由該起始點沿著具有一前角度的一前螺旋線的軌跡取樣該等像素,讓該軌跡上的該等像素排列成一前螺旋集成線;(d)將該前角度增加一角度變異量以形成具有一後角度的一後螺旋線,由該起始點沿著該後螺旋線的軌跡取樣該等像素,而該等像素排列成一後螺旋集成線;(e)決定該角度變異量增加的次數,以重複地執行該步驟(d),而取得複數該後螺旋集成線,其中該等像素對應一數值;以及(f)排列該前螺旋集成線與該等後螺旋集成線,形成一螺旋集成圖(Spiral Aggregation Map),且紀錄每一該等像素的該數值。
- 如申請專利範圍第1項所述之圖像描述方法,其中該次數的範圍介於1至720次之間。
- 如申請專利範圍第2項所述之圖像描述方法,其中該角度變異量的範圍為0.5至1度之間。
- 如申請專利範圍第1項所述之圖像描述方法,其中該起始點的位置在該圖像的中心位置。
- 如申請專利範圍第1項所述之圖像描述方法,其中在步驟(f)中,該前螺旋集成線與該等後螺旋集成線依序地且垂直地排列成該螺旋集成圖。
- 一種圖像識別方法,供利用一圖像描述方法建立的一圖像描述模型,以識別一圖像物件,該圖像物件具有複數像素,以及該圖像描 述模型具有一螺旋集成圖,該方法的步驟包含:(a)在該圖像物件根據該圖像描述模型的尺寸,確定一第一比對區域的尺寸;(b)該第一比對區域的一中心點對應該等像素之其中一者,以及由該中心點以具有一角度的一螺旋線的軌跡取樣位在該第一比對區域中的該等像素,而取樣的該等像素對應一數值;(c)比對該數值與該螺旋集成圖所對應的一螺旋數值,其中該螺旋集成圖的該螺旋數值具有一數值分佈範圍;(d)判斷該數值落在該數值分佈範圍之間,以紀錄該中心點所對應的該像素的座標;以及(e)將該比對區域移動至下一個像素,並執行步驟(d),直到對該圖像物件的所有區域完成掃描。
- 如申請專利範圍第6項所述之圖像識別方法,其中在步驟(e)之後更包含:(f)藉由取出已記錄的該中心點,以決定需要進行比對的一第二比對區域;(g)在該第二比對區域中,藉由複數條螺旋線的軌跡中取樣位在該第二比對區域中的該等像素,而在該等螺旋線中取樣的該等像素對應複數數值;(h)比對該等數值與該螺旋集成圖所對應的複數螺旋數值,其中該螺旋集成圖包含該等螺旋數值與一區間異次數值組;以及(i)判斷該等數值落在該區間異次數值之二次階數值範圍之間,以紀錄該中心點所對應的該像素的座標。
- 如申請專利範圍第6項所述之圖像識別方法,其中在步驟(g)中,該等螺旋線的數量為4條,且相鄰的二條該等螺旋線之間的該角度相差90度。
- 如申請專利範圍第7項所述之圖像識別方法,其中在步驟(i)之後更包含:(j)藉由取出已記錄的該中心點,以決定需要進行比對的一第三比對區域;(k)在該第三比對區域中,藉由複數條螺旋線的軌跡中取樣位在該第三比對區域中的該等像素,以取得該等像素的投影量與形成一比對螺旋集成圖之其中一者;(l)計算該螺旋集成圖與該比對螺旋集成圖在垂直方向的投影量,或計算該螺旋集成圖與該等像素的該投影量,以決定一特徵分數;(m)計算該螺旋集成圖與該比對螺旋集成圖在水平方向的投影量,以決定一旋轉角度;以及(n)根據該特徵分數與該旋轉角度,決定該圖像描述模型與該螺旋集成圖的相關性。
- 如申請專利範圍第9項所述之圖像識別方法,其中在步驟(k)中,該等螺旋線的數量為360條,且相鄰的二條該等螺旋線之間的該角度相差預定的一角度。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103110068A TWI503760B (zh) | 2014-03-18 | 2014-03-18 | Image description and image recognition method |
US14/661,232 US9613398B2 (en) | 2014-03-18 | 2015-03-18 | Image descriptor and method of pattern recognition |
CN201510116763.7A CN104933397B (zh) | 2014-03-18 | 2015-03-18 | 图像描述及其图像识别方法 |
US15/434,984 US9697438B2 (en) | 2014-03-18 | 2017-02-16 | Image description and image recognizable method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW103110068A TWI503760B (zh) | 2014-03-18 | 2014-03-18 | Image description and image recognition method |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201537471A TW201537471A (zh) | 2015-10-01 |
TWI503760B true TWI503760B (zh) | 2015-10-11 |
Family
ID=54120558
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW103110068A TWI503760B (zh) | 2014-03-18 | 2014-03-18 | Image description and image recognition method |
Country Status (3)
Country | Link |
---|---|
US (2) | US9613398B2 (zh) |
CN (1) | CN104933397B (zh) |
TW (1) | TWI503760B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI503760B (zh) * | 2014-03-18 | 2015-10-11 | Univ Yuan Ze | Image description and image recognition method |
CN106384340B (zh) * | 2016-08-29 | 2019-01-01 | 国家基础地理信息中心 | 一种遥感时空影像降尺度融合方法 |
CN108228700B (zh) * | 2017-09-30 | 2021-01-26 | 北京市商汤科技开发有限公司 | 图像描述模型的训练方法、装置、电子设备及存储介质 |
CN108572658B (zh) * | 2018-03-10 | 2019-10-01 | 吕铁男 | 无人机飞行高度调节系统 |
CN109471450B (zh) * | 2018-03-10 | 2019-08-27 | 福建通图信息技术有限公司 | 无人机飞行高度调节方法 |
CN108626480B (zh) * | 2018-04-26 | 2019-11-01 | 江苏奥洁智能家居有限公司 | 自动化定时除垢水龙头的使用方法 |
CN108506566B (zh) * | 2018-04-26 | 2019-08-23 | 永康市陌桐电子科技有限公司 | 自动化定时除垢水龙头 |
CN111950608B (zh) * | 2020-06-12 | 2021-05-04 | 中国科学院大学 | 一种基于对比损失的域自适应物体检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200725482A (en) * | 2005-12-29 | 2007-07-01 | Metal Ind Res & Dev Ct | Recognition method for pattern matching |
US20100014718A1 (en) * | 2008-04-17 | 2010-01-21 | Biometricore, Inc | Computationally Efficient Feature Extraction and Matching Iris Recognition |
TW201025149A (en) * | 2008-12-16 | 2010-07-01 | Ind Tech Res Inst | Method for recognizing a symbol and the device therefor |
CN101821753B (zh) * | 2007-10-10 | 2013-09-04 | 三菱电机株式会社 | 增强的图像识别 |
CN102693421B (zh) * | 2012-05-31 | 2013-12-04 | 东南大学 | 基于sift 特征包的牛眼虹膜图像识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060262876A1 (en) * | 2004-08-26 | 2006-11-23 | Ladue Christoph K | Wave matrix mechanics method & apparatus |
DE102006059663B4 (de) * | 2006-12-18 | 2008-07-24 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Vorrichtung, Verfahren und Computerprogramm zum Identifizieren eines Verkehrszeichens in einem Bild |
CN101388077A (zh) * | 2007-09-11 | 2009-03-18 | 松下电器产业株式会社 | 目标形状检测方法及装置 |
US20140003696A1 (en) * | 2010-12-29 | 2014-01-02 | The Ohio State University | Automated trajectory planning for stereotactic procedures |
CN102646193B (zh) * | 2012-03-23 | 2013-09-25 | 河海大学 | 一种环形排布字符图像分割方法 |
TWI559234B (zh) * | 2012-06-29 | 2016-11-21 | Patterns to take the range setting structure | |
TWI503760B (zh) * | 2014-03-18 | 2015-10-11 | Univ Yuan Ze | Image description and image recognition method |
-
2014
- 2014-03-18 TW TW103110068A patent/TWI503760B/zh active
-
2015
- 2015-03-18 CN CN201510116763.7A patent/CN104933397B/zh not_active Expired - Fee Related
- 2015-03-18 US US14/661,232 patent/US9613398B2/en active Active
-
2017
- 2017-02-16 US US15/434,984 patent/US9697438B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200725482A (en) * | 2005-12-29 | 2007-07-01 | Metal Ind Res & Dev Ct | Recognition method for pattern matching |
CN101821753B (zh) * | 2007-10-10 | 2013-09-04 | 三菱电机株式会社 | 增强的图像识别 |
US20100014718A1 (en) * | 2008-04-17 | 2010-01-21 | Biometricore, Inc | Computationally Efficient Feature Extraction and Matching Iris Recognition |
TW201025149A (en) * | 2008-12-16 | 2010-07-01 | Ind Tech Res Inst | Method for recognizing a symbol and the device therefor |
CN102693421B (zh) * | 2012-05-31 | 2013-12-04 | 东南大学 | 基于sift 特征包的牛眼虹膜图像识别方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104933397B (zh) | 2018-05-22 |
US9613398B2 (en) | 2017-04-04 |
CN104933397A (zh) | 2015-09-23 |
US20150269743A1 (en) | 2015-09-24 |
US9697438B2 (en) | 2017-07-04 |
TW201537471A (zh) | 2015-10-01 |
US20170161587A1 (en) | 2017-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI503760B (zh) | Image description and image recognition method | |
CN103400384B (zh) | 结合区域匹配和点匹配的大视角图像匹配方法 | |
CN104376548B (zh) | 一种基于改进型surf算法的图像快速拼接方法 | |
CN101650784B (zh) | 一种利用结构上下文特征进行图像匹配的方法 | |
CN104599258B (zh) | 一种基于各向异性特征描述符的图像拼接方法 | |
CN103065135A (zh) | 基于数字图像处理的车牌号码匹配算法 | |
CN102865859B (zh) | 一种基于surf特征的航空序列图像位置估计方法 | |
CN109871823B (zh) | 一种结合旋转框和上下文信息的卫星图像舰船检测方法 | |
CN112254656B (zh) | 一种基于结构表面点特征的立体视觉三维位移测量方法 | |
CN106558072A (zh) | 一种基于改进sift特征在遥感图像上配准的方法 | |
CN102122359B (zh) | 一种图像配准方法及装置 | |
CN103426186A (zh) | 一种改进的surf快速匹配方法 | |
CN104182973A (zh) | 基于圆形描述算子csift的图像复制粘贴检测方法 | |
CN105335973A (zh) | 运用于带钢加工生产线的视觉处理方法 | |
CN106936964A (zh) | 一种基于霍夫变换模板匹配的手机屏幕角点检测方法 | |
CN105678733A (zh) | 一种基于直线段上下文的红外与可见光异源图像匹配方法 | |
CN105654421A (zh) | 基于变换不变低秩纹理的投影变换图像匹配方法 | |
Ma et al. | Remote sensing image registration based on multifeature and region division | |
CN104282001A (zh) | 增强图像特征二值描述子性能的方法 | |
Xiong et al. | Robust SAR image registration using rank-based ratio self-similarity | |
CN103336964A (zh) | 一种基于模值差镜像不变性的sift图像匹配方法 | |
CN105184736A (zh) | 一种窄重叠双视场高光谱成像仪的图像配准的方法 | |
CN103700119A (zh) | 基于局部分组对比模式直方图的局部纹理描述方法 | |
WO2018076137A1 (zh) | 一种高光谱图像特征描述子的获取方法及装置 | |
CN104700401B (zh) | 一种基于K‑Means聚类法的图像仿射变换控制点选取方法 |