بازیابی مبتنی بر شکل اجسام با توصیفگرهای بدست آمده از فرآیند رشد کانتوری

در این مقاله یک ویژگی جدید برای بازیابی مبتنی بر شکل اجسام پیشنهاد می شود. ابتدا یک فرآیند رشدی معرفی که در آن یک کانتور با استفاده از دایره محیطی شکل بازسازی می شود. نقاط دایره محیطی در جهت نرمال به سمت شکل حرکت می کنند، تا جایی که به کانتور شکل برسند. سه توصیف گر شکل از این فرآیند استخراج می شود. توصیف گر نخست، تعداد گام هایی است که هر یک از نقاط باید طی کنند تا به کانتور شکل برسند. توصیف گر دوم، فاصله مرزی نقاط از یکدیگر است؛ زمانی که همه نقاط به کانتور مرز رسیده باشند. توصیف گر سوم نیز به صورت انحنای خطوط ایجاد شده در حین حرکت رشدی نقاط از دایره تا کانتور در نظر گرفته می شود. تغییرناپذیری نسبت به انتقال، ویژگی ذاتی این سه توصیف گر است. با انتخاب یک نقطه شروع ثابت و جهت مشخص (ساعت گرد یا پاد ساعت گرد) برای دنبال کردن کانتور شکل، این ویژگی ها نسبت به چرخش تغییرناپذیر خواهند شد. در آخر، با هنجارسازی کردن، ویژگی ها نسبت به مقیاس تغییرناپذیر می شوند. در مرحله بازیابی، از ماشین های بردار پشتیبان براساسoss استفاده می شود. نتایج آزمایش نشان می دهد که روش پیشنهادی، روشی کارآمد جهت بازیابی شکل است. لازم به ذکر است که درصد بازیابی این روش روی پایگاه داده mpeg7 ceshape1، 89.16 درصد است.

Shape based object retrieval using descriptors extracted from growing contour process

In this paper, a novel shape descriptor for shapebased object retrieval is proposed. A growing process is introduced in which a contour is reconstructed from the bounding circle of the shape. In this growing process, circle points move toward the shape in normal direction until they get to the shape contour. Three different shape descriptors are extracted from this process: the first descriptor is defined as the number of steps that every circle point should pass which is called Growing Steps. The second descriptor is considered as the boundary distance of the circle points at the end of the growing process. The third descriptor is the curvature of the growing lines created by moving points. Invariance to translation is the intrinsic property of these features. By selecting a fixed starting point and tracing the boundary in a fixed direction (clockwise or counter clockwise), a set of descriptors could be collected invariant to rotation. Finally, normalizing the descriptors makes them invariant to scale. Support vector machines based on oneshot score are applied in the retrieval stage. Experimental results show that the suggested method has high performance for shape retrieval. It achieves 89.16% retrieval rate on MPEG7 CEShape1 dataset.