کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10360335 869777 2014 11 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Geometric invariant features in the Radon transform domain for near-duplicate image detection
ترجمه فارسی عنوان
ویژگی های غیر هندسی در حوزه تبدیل رادون برای تشخیص تصویر تقریبا تکراری
ترجمه چکیده
تبدیل رادون به واسطه خواص هندسی فوق العاده آن در نمایش تصویر مبتنی بر محتوا به طور گسترده ای مورد استفاده قرار گرفته است. در این مقاله، ما یک خانواده از ویژگی های هندسی هندسی را بر اساس تبدیل رادون برای تشخیص تصویر تقریبا دوتایی پیشنهاد می کنیم. با توجه به تجزیه و تحلیل نظری عملیات هندسی (ترجمه، پوسته پوسته شدن و چرخش) و تبدیل رادون، ما یک مدل ویژگی هندسی هندسی ارائه می دهیم. بر اساس مدل ویژگی، ما چهار نوع از ویژگی های هندسی هندسی را توسعه دادیم. علاوه بر این، یک روش نمونه گیری یکنواخت برای ترکیب ویژگی های مختلف معرفی شده است. عملکرد جامع ویژگی ترکیبی بهتر از آن است که تنها یک نفر باشد. آزمایش های گسترده نشان می دهد که ویژگی های پیشنهادی، نه تنها به چرخش و پوسته پوسته شدن، بلکه به سایر عملیات مانند فشرده سازی، آلودگی صوتی، تار شدن، اصلاح نورپردازی، برداشت و غیره، و همچنین دستیابی به عملکرد رقابتی قوی در مقایسه با حالت دولتی، از ویژگی های تصویر پیشرفته.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر چشم انداز کامپیوتر و تشخیص الگو
چکیده انگلیسی
Radon transform has been widely used in content-based image representation due to its excellent geometric properties. In this paper, we propose a family of geometric invariant features based on Radon transform for near-duplicate image detection. According to the theoretical analysis between geometric operations (translation, scaling, and rotation) and Radon transform, we present a geometric invariant feature model. Based on the feature model, we developed four kinds of geometric invariant features. In addition, a uniform sampling technique is introduced to combine different features. The comprehensive performance of the combined feature is better than that of a single one. Extensive experiments show that the proposed features are robust, not only to rotation and scaling, but also to other operations, such as compression, noise contamination, blurring, illumination modification, cropping, etc., and achieve strong competitive performance compared with the state-of-the-art image features.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Pattern Recognition - Volume 47, Issue 11, November 2014, Pages 3630-3640
نویسندگان
, , ,