Shape Matchingwith BayesianBelief Propagation Using Deformable Template

การค้นหารูปร่างด้วยการส่งผ่านความเชื่อมแบบเซียนร่วมกับการใช้ต้นแบบยืดหยุ่นได้

Name: Kedkarn Chaiyakhun

Name: เกตุกาญจน์ ไชยขันธุ์

keyword: Bayesian Belief Propagation

; การส่งผ่านความเชื่อของเบเยเซี่ยน

Abstract: Shape matching is of general research interest in the area of computer vision. The basic aim of shape matching is to look for a template image in the target image. Before matching the contour of the template and target are required. The problem in matching may occur due to partial occlusion in the target image contour that may cause the matching step to fail. Also, there may be slight variations between the template and target due to many reasons such as viewpoint variation or hand drawing changes. We propose a novel method for template localization and retrieval based on object shape using graphical model and Bayesian Belief Network. A Graphical Model Shape prior of an object is described by a template contour which consists of selected nodes on the contour and a set of relations among neighboring nodes. This method is invariant to . global translation and rotation. Given a target, we find the node correspondence and locate the template on the node that has maximum belief. If a reasonable belief is found, we scale and rotate the template using the initial matching found through the belief network and place the transformed template into the target environment. Finally, a pixel correspondence is used to deform the template to fit the target. A target is considered to match the template, if minor warping is required. Results are presented for several real images with and without partial occlusion.

Abstract: การค้นหารูปร่างเป็นงานวิจัยที่น่าสนใจในงานด้านคอมพิวเตอร์วิชั่น จุดมุ่งหมายของการค้นหารูปร่างคือ การค้นหารูปร่างของภาพต้นแบบที่ปรากฏอยู่ในภาพเป้าหมายที่ต้อง การค้นหา ก่อนทำการค้นหารูปร่างนั้นจำเป็นจะต้องทำการหาเส้นแสดงรูปร่างของภาพต้นแบบ แลพภาพเป้าหมายก่อนปัญหาส่วนใหญ่ที่เกิดขึ้นในการค้นหารูปร่างในภาพเป้า หมายนั้น มักเกิดจากการที่เส้นแสดงรูปร่างของภาพเป้าหมาย ถูกบดบังบางส่วน หรืออาจขาดหายไปบางส่วน ซึ่งจะทำให้เกิดความผิดพลาดในขั้นตอนการค้นหารูปร่างได้ ปัญหาอีกประการของการค้นหารูปร่างอาจเกิดจากการผิดเพี้ยนไปบางส่วนระหว่างภาพต้นแบบ กับภาพเป้าหมาย ยกตัวอย่างเช่น การเปลี่ยนแปลงของภาพ ที่เกิดจากการเขียนด้วยลายมือ งานวิจัยนี้เราได้นำเสนอ วิธีการใหม่สำหรับการวางภาพต้นแบบ และการค้นหาวัตถุในภาพเป้าหมาย โดยการใช้แบบจำลองของรูปภาพ ร่วมกับโครงข่ายความเชื่อแบบเบเยเซียนแบบจำลอง รูปภาพของวัตถุนั้นจะต้องมีลักษณะสอดคล้องกับ เส้นแสดงรูปร่างของภาพต้นแบบ ซึ่งประกอบไปด้วยจุดแต่ละจุด บนเส้นแสดงรูปร่างและกลุ่มของความสัมพันธ์ระหว่างเพื่อนบ้านของแต่ละจุด วิธีการนี้สามารถค้นหาภาพเป้าหมายที่มีการย้ายตำแหน่ง หรือหมุนไปในทิศทางต่างๆได้ จากภาพเป้าหมายนั้นเราจะทำการหาจุดที่สอดคล้องกันกับจุดของภาพต้นแบบ และทำการวางภาพต้นแบบลงบนจุดอย่างน้อยสามจุดที่มีความน่าเชื่อถือมากที่สุด ซึ่งเมื่อ เจอจุดที่มีความน่าเชื่อถือมากที่สุดแล้ว เราจะทำการหาอัตราส่วนการย่อ-ขยาย และการหมุนเพื่อทำให้ภาพต้นแบบ อัตราส่วนใกล้เคียงภาพเป้าหมายมากที่สุด ในขั้นตอนสุดท้าย การหาความเหมือนกันของจุดพิกเซลบนภาพจะถูกนำมาใช้เพื่อทำการยืดรูปร่างของภาพต้นแบบให้พอดีกับภาพเป้าหมาย จากผลการทดลองนั้นจะใช้ภาพ เป้าหมายหลายชนิดทั้งที่มีการบดบังเส้นแสดงรูปร่างบางส่วนและไม่มีการบดบังเส้นแสดงรูปร่าง

King Mongkut's University of Technology Thonburi. KMUTT Library.

Address: BANGKOK

Email: info.lib@mail.kmutt.ac.th

Name: Suthep Madarasmi

Role: Advisor

Created: 2552-10-31

Modified: 2009-10-31

Issued: 2009-10-31

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: CPE901

eng

DegreeName: Master of Engineering

Level: Master's Degree

Descipline: Computer Engineering

Grantor: King Mongkut's University of Technology Thonburi

©copyrights King Mongkut's University of Technology Thonburi

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	CPE901.pdf	865.24 KB	36	2026-05-26 18:16:01
2	CPE901ab.pdf	31.87 KB	25	2026-05-26 18:16:01

ใช้เวลา

0.037301 วินาที