Shape Similarity
27. Februar 2006
Michael Keller
Inhalt
• Einführung und Übersicht
• Elastic Matching
• Shock Graphs
• Vergleich und Schlusswort
Shape Similarity
• Shape: Linien oder Gebiete• Explizites Modellwissen ausgeschlossen!• Semantisches Wissen ausgeschlossen!
• Motivation: Basis für “höhere” Applikationen:– Modell erstellen/fitten– Datenbank erstellen/look-up– Korrespondenz/depth-from-stereo– Tracking
Klassifikation Methoden
2 Repräsentanten
• “Elastic Matching”: Linien, lokalR. Basri et al., “Determining the similarity of deformable shapes”, Vision Research, 38:2365-2385, 1998
• “Shock Graphs”: Gebiete, strukturell
K. Siddiqi et al., “Shock graphs and shape matching”, International Journal of Computer Vision, 30:1-24, 1999
Inhalt
• Einführung und Übersicht
• Elastic Matching
• Shock Graphs
• Vergleich und Schlusswort
Kurven
• Kurve, parametrisiert durch Bogenlänge
• Tangente
• Tangentenwinkel
• Krümmung
Elastic Matching
1. Korrespondenz zwischen
2. Berechne Kosten
… Korrespondenz meist
Kostenfunktion
• Mass für Ähnlichkeit
• bestimmt Korrespondenz
Design der Kostenfunktion Primäraufgabe!
Betrachtete Klasse:
Eigenschaften
• Stetigkeit
• Metrik
• Polygone
• Invarianz
• Implizite Erkennung von Struktur
• …
Federmodell
• Physik:
• Annahme: (damit )
Implementation• Bestimmung der Krümmungen
• Dynamisches Programmieren
Resultate
Inhalt
• Einführung und Übersicht
• Elastic Matching
• Shock Graphs
• Vergleich und Schlusswort
Blum’sches Skelett
• Grassfire-Transformation
• Skelett plus assoziierte t- resp. r-Werte
Skelett → Graph
• 4 Shock Typen (1,2,3,4), Startknoten (#), Endknoten (Φ)
• zeitlich rückwärts aufbauen
• azyklischer, gerichteter Graph
Vergleich: largest subgraph isomorphism (NP-hart)
Graph → Baum
• 10 Erzeugungsregeln schränken Topologie ein, Graph → Baum
• largest subtree polynomial
für gegebene Figur Baum eindeutig!
für gegebenen Baum Figur eindeutig?
Nein → t-Werte dazunehmen
Beispielbaum
Zusammenfassung
• Skelett → Graph → Baum
• largest subtree mit lokalen Kosten
• schnell am entry-level
• robust
• Nur Jordan curves
Inhalt
• Einführung und Übersicht
• Elastic Matching
• Shock Graphs
• Vergleich und Schlusswort
Methodenvergleich
Sebastian et al., Curves vs. Skeletons in Object Recognition, 2001
• Skelette besser bei – Artikulation– Umordnung– Verdeckung
• Direkter Kurvenvergleich– oft effizienter– bietet grossen Spielraum
Schlusswort
• Ähnlichkeit – intuitiv wichtig– schwer zu fassen– kontextabhängig
• Vielzahl an Methoden
• Keine “one-fits-all” Lösung!