A Theory of Shape Identification

در سال‌های اخیر پیشرفت چشمگیری در الگوریتم‌های تشخیص شکل اعمال شده در پایگاه‌های اطلاعاتی تصویر در حال رشد مشاهده شده است. آنها برای دوخت تصویر، دید استریو، موزاییک تصویر، تشخیص جسم جامد و بازیابی تصویر ویدئویی یا وب به کار رفته اند. اساساً، توانایی انسان و حیوانات در تشخیص و تشخیص اشکال یکی از معماهای ادراک است.

این کتاب یک روش کامل را شرح می‌دهد که از یک تصویر پرس و جو و یک پایگاه داده تصویر شروع می‌شود و فهرستی از تصاویر موجود در پایگاه داده حاوی اشکال موجود در تصویر جستجو را ارائه می‌دهد. یک شماره هشدار نادرست به هر تشخیص مرتبط است. بسیاری از آزمایش‌ها نشان می‌دهند که اشکال یا تصاویر ساده آشنا را می‌توان با اعداد هشدار نادرست از 10^-5 تا کمتر از 10^-300 شناسایی کرد.

از نظر فنی، دو مسئله اصلی وجود دارد. اولین مورد استخراج توصیفگرهای شکل ثابت از تصاویر دیجیتال است. دوم تصمیم گیری در مورد اینکه آیا دو توصیف کننده شکل به عنوان یک شکل قابل شناسایی هستند یا خیر. یک اصل ادراکی، اصل هلمهولتز، سنگ بنای این تصمیم است.

این تصمیمات بر هندسه تصادفی ابتدایی تکیه می کنند و یک عدد هشدار نادرست را محاسبه می کنند. هرچه این عدد کمتر باشد، شناسایی امن تر است. شرح فرآیندها، آزمایش‌های فراوان بر روی تصاویر دیجیتال و اثبات‌های ساده صحت ریاضی به گونه‌ای در هم آمیخته شده‌اند که خواندن را برای مخاطبان مختلف، مانند دانشجویان، مهندسان، و محققان در دسترس قرار دهد.

Recent years have seen dramatic progress in shape recognition algorithms applied to ever-growing image databases. They have been applied to image stitching, stereo vision, image mosaics, solid object recognition and video or web image retrieval. More fundamentally, the ability of humans and animals to detect and recognize shapes is one of the enigmas of perception.

The book describes a complete method that starts from a query image and an image database and yields a list of the images in the database containing shapes present in the query image. A false alarm number is associated to each detection. Many experiments will show that familiar simple shapes or images can reliably be identified with false alarm numbers ranging from 10^-5 to less than 10^-300.

Technically speaking, there are two main issues. The first is extracting invariant shape descriptors from digital images. The second is deciding whether two shape descriptors are identifiable as the same shape or not. A perceptual principle, the Helmholtz principle, is the cornerstone of this decision.

These decisions rely on elementary stochastic geometry and compute a false alarm number. The lower this number, the more secure the identification. The description of the processes, the many experiments on digital images and the simple proofs of mathematical correctness are interlaced so as to make a reading accessible to various audiences, such as students, engineers, and researchers.