Skip to main content

Image recognition using general regression networks and the TVS technique (in Spanish: Reconocimiento de Im?!genes Empleando Redes de Regresion General y la tecnica TVS)

R.Garc?-a-Herrera, W.W. Mayol-Cuevas, Image recognition using general regression networks and the TVS technique (in Spanish: Reconocimiento de Im?!genes Empleando Redes de Regresion General y la tecnica TVS). Iberoamerican Congress of Artificial Intelligence IBERAMIA. November 1996. PDF, 403 Kbytes.

Abstract

(abstract partially translated from original, provided for a historical perspective) In this work we present the development of a new technique named transformation to the symmetry vector which consists in mapping a 2D image to a feature vector. The method applies successive rotations around the centre of mass and computes the euclidean distance against the original image mapped to polar coordinates. The level of description increases with the number of rotations. The resulting vector contains the amount of self correlation through partial and total symmetries (these last ones will show a cero in the location of the TVS vector). TVS is invariant to rotation and scale. We test the system with a number of images and using the GRNN classification technique allowing this to work with big stimulous (250x200 pixels by 256 colours).

En este trabajo se presenta el desarrollo de una nueva t??cnica que denominamos Transformaci??n al Vector de Simetr?-as (TVS), la cual en t??rminos generales, mapea una entrada en 2-D a un vector de caracter?-sticas. El m??todo consiste en aplicar rotaciones a la imagen mapeada a coordenadas polares, teniendo como eje el centro de masa y comparando cada rotaci??n con la imagen original, mediante una m??trica euclidiana. El n??mero de rotaciones y su espaciamiento determina la eficiencia del vector de simetr?-as para representar la imagen, mejorando a medida que se aumenta la cantidad de rotaciones. El vector se conforma de n??meros que representan simetr?-as parciales y totales de la imagen -considerando que las ??ltimas dejan invariante la figura, i.e. el valor en el vector es cero-. TVS es invariante a rotaci??n, escala y traslaci??n y su c?!lculo es muy r?!pido comparado con las t??cnicas convencionales como Momentos y DFT. Se procesan im?!genes reales de objetos de oficina con alto grado de ruido y los vectores obtenidos son empleados para entrenar un modelo de reconocimiento coneccionista del tipo GRNN, con ello se comprueba la eficiencia de la t??cnica propuesta para representar informaci??n, as?- como se permite a una red de este tipo (que requiere gran cantidad de memoria), trabajar con est?-mulos grandes (250x200 por 256 colores).

Bibtex entry.

Contact details

Publication Admin