Localization of dominant points for object recognition: A scale-space approach

• Published in: Signal processing 1995-07, Vol.44 (3), p.341-352
• Main Authors: Yuen, Pong-chi, Tsang, Peter W.M.
• Format: Article
• Language: English
• Subjects: Applied sciences; Dominant point; Exact sciences and technology; Finger-print; Information, signal and communications theory; Object recognition; Pattern recognition; Scale-space; Signal processing; Telecommunications and information theory; Zero-crossings
• ISSN: 0165-1684; 1872-7557
• DOI: 10.1016/0165-1684(95)00034-B

The dominant points which are used for identifying an unknown object shape are commonly taken as the positions where the maxima of the curvature function occur on the object boundary. The peaks in the curvature function can be deduced from the corresponding zero-crossing points of its first-order derivative. In practice, presence of noise signal in the object contour may introduce false zero-crossings in the differentiation process, resulting in the apparent existence of false dominant points. Attenuation of the noise signal can be realized by convolving the contour function with a Gaussian filter. The width of the Gaussian function, however, has to be properly decided to prevent unnecessary removal of the relevant dominant points. In this paper, a novel scheme for automatic determination of the filtering scale is reported. The method employs scale-space decomposition to form a basis for an explicit and quantitative measurement on the reliability of the dominant point sets detected under different degree of filtering, with which the one exhibiting the highest score is selected. The method has been successfully applied to extract the dominant point sets for different types of handtools without prior knowledge of their sizes, shapes and orientations. Die dominaten Punkte, die zur Identifikation eines unbekannten Objektes benutzt werden, werden im allgemeinen als die Positionen eingesetzt, an denen Maxima der Curvature Fuction auftreten. Die Maximalwerte der Curvature Function können von den zugehörigen Nullpunkten der ersten Ableitung hergeleitet werden. In der Praxis werden die Nulldurchgänge der Ableitung durch Rauscheinfluβ verfälscht, was zu einer scheinbaren Existenz von falschen dominanten Punkten führt. Eine Dämpfung des Rauschens kann durch die Faltung der Kontur-Funktion mit Gauβfiltern erreicht werden. Die Breite der Gauβfunktion muβ jedoch geeignet gewählt werden, um unnötige Verschiebungen der relevanten dominanten Punkte zu vermeiden. In dieser Arbeit wird ein neues Verfahren für die automatische Festlegung der Filterskalierung wiedergegeben. Die Methode verwendet eine Scale-Spaces-Zerlegung, um eine Basis für ein explizites und quantitatives Zuverlässigkeitsmaβ für die unter verschiedenen Filtergraden detektierten dominanten Punkte zu erhalten, womit derjenige ausgewählt wird, der den gröβten Wert enthält. Die Methode wurde erfolgreich zur Extraktion der dominanten Punkte für verschiedene Typen von Werkzeugen ohne Kenntnisse ihrer Gröβe, Kontur