Analiza osjetljivosti momenata slike s ciljem primjene na problematiku raspoznavanja uzoraka

doctoral thesis

• Title (english): Analysis of the image moments sensitivity for the application in pattern recognition problems
• Author: Kristina Šariri
• Mentor: Nazif Demoli (mentor)
• Committee member: Damir Veža (predsjednik povjerenstva)
• Committee member: Goran Pichler (član povjerenstva)
• Committee member: Nazif Demoli (član povjerenstva)
• Granter: University of Zagreb; Faculty of Science; (Department of Physics); Zagreb
• Defense date and country: 2010-11-24, Croatia
• Scientific / art field, discipline and subdiscipline: NATURAL SCIENCES; Physics
• Universal decimal classification (UDC): 53 - Physics

Abstract

Momenti slike su numerički deskriptori koji sadrže informaciju o svojstvima invarijantnim na translaciju, rotaciju, promjenu skale i neke oblike distorzije, a njihova analiza je jedna od metoda koje se često koriste pri analizi slika i raspoznavanju uzoraka. U okviru ove radnje razvijeni su algoritmi za računanje geometrijskih, Legendreovih, Zernikeovih, Fourier – Mellinovih te tri tipa Fourier – Jacobijevih momenata, kao i iz njih definiranih invarijanti slike u programskom jeziku MatLab uz rješavanje inverznog problema rekonstrukcije početnog ulaza. Za sve tipove momenata osim najjednostavnijih geometrijskih definirani su vektori osjetljivosti na rotaciju i promjenu skale čije su komponente oni članovi skupa koji nose značajnije informacije o ulaznoj slici. Primjenom novih deskriptora na klasifikaciju rukom pisanih slova i identifikacijskih fotografija osoba pokazano je da je relevantna informacija o ulazu na taj način sačuvana, a njihov je izračun znatno brži i jednostavniji uz zadržanu sposobnost jednoznačnog raspoznavanja uzoraka. Korištenjem momenata slike i vektora osjetljivosti analizirani su znakovi s dvaju glagoljskih spomenika te utvrđeno postojanje mješavine znakova trokutastog i okruglog modela glagoljice. Metoda je primijenjena i na klasifikaciju tragova puzanja ličinki mutanata vinske mušice za potrebe proučavanja odgovora živčanog sustava na različite podražaje.

Abstract (english)

Image moments are numerical descriptors invariant to translation, rotation, change of scale and some types of image distortion and their analysis is one of the most often used methods in image processing and pattern recognition. In this work, algorithms for calculation of geometric, Legendre, Zernike, Fourier – Mellin and three types of Fourier – Jacobi moments were implemented in MatLab. Hu's, affine and blur invariants were also obtained as well as inverse problem of input image reconstruction solved. For each type of image moments exept geometric ones the set of sensitivity vectors for rotation and scale were defined. Their components are those image moments which describe more important features of the input image. These new descriptors were applied for classification of handwritten letters and identifying personal photos. It was shown that the process of such descriptor calculation is much faster and simpler while preserving all the relevant information about input image. Using this method, the signs carved in two glagolitic inscriptions were analyzed and the mixture of triangular and round glagolitic letters found. The method was also applied to classification of the mutant fruit fly larvae crawling trails which is needed in studying responses of the nervous system to different stimuli.

• Keywords: analiza slike; raspoznavanje uzoraka; invarijantna svojstva; momenti slike; vektor osjetljivosti
• Keywords (english): image analysis; pattern recognition; invariant features; image moments; sensitivity vector
• Language: croatian
• URN:NBN: urn:nbn:hr:217:457438
• Study programme: Title: Physics; Study programme type: university; Study level: postgraduate; Academic / professional title: doktor/doktorica znanosti, područje prirodnih znanosti, polje fizika (doktor/doktorica znanosti, područje prirodnih znanosti, polje fizika)
• Type of resource: Text
• Extent: 80 str.
• File origin: Born digital
• Access conditions: Open access
• Created on: 2017-08-24 11:46:15