Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Moving Target Detection Under Turbulence Degraded Visible and Infrared Image Sequences Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

A Novel Pattern Matching Approach on the Use of Multi-variant Local Descriptor

verfasst von : Deep Suman Dev, Dakshina Ranjan Kisku

Erschienen in: Proceedings of 2nd International Conference on Computer Vision & Image Processing

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The objective of pattern matching problem is to find the most similar image pattern in a scene image by matching to an instance of the given pattern. For pattern matching, most distinctive features are computed from a pattern that is to be searched in the scene image. Scene image is logically divided into sliding windows of pattern size, and all the sliding windows are to be checked with the pattern for matching. Due to constant matching between the pattern and the sliding window, the matching process should be very efficient in terms of space, time and impacts due to orientation, illumination and occlusion must be minimized to obtain better matching accuracy. This paper presents a novel local feature descriptor called Multi-variant Local Binary Pattern (MVLBP) for pattern matching process while LBP is considered as base-line technique. The efficacy of the proposed pattern matching algorithm is tested on two databases and proved to be a computationally efficient one.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Iris Recognition Through Score-Level Fusion
Nächstes Kapitel GUESS: Genetic Uses in Video Encryption with Secret Sharing
Literatur
1.
Lewis, J.P.: Fast Template Matching. In: Vision Interface 95, Canadian Image Processing and Pattern Recognition Society Conference, pp. 120–123. Quebec City, Canada (1995).
2.
Mahalakshmi, T., Muthaiah, R., Swaminathan, P.: An Overview of Template Matching Technique in Image Processing. Research Journal of Applied Sciences, Engineering and Technology. 4(24), 5469–5473 (2012).
3.
Zhao, W., Chellappa, R.: Face Recognition: A Literature Survey. ACM Computing Surveys. 35(4), 399–458 (2003).
4.
Ouyang, W., Zhang, R., Cham, W.K.: Fast Pattern Matching Using Orthogonal Haar Transform. In: IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 3050–3057. IEEE Press (2010).
5.
Li, Y., Li, H., Cai, Z.: Fast Orthogonal Haar Transform Pattern Matching via Image Square Sum. IEEE Transactions on Pattern Analysis and Machine Intelligence. 36(9), 1748–1760 (2014).
6.
Ouyang, W., Cham, W.K.: Fast Algorithm for Walsh Hadamard Transform on Sliding Windows. IEEE Transactions on Pattern Analysis and Machine Intelligence. 32(1), 165–171 (2010).
7.
Lampert, C., Blaschko, M., Hofmann, T.: Beyond Sliding Windows: Object Localization by Efficient Subwindow. In: Computer Vision and Pattern Recognition, IEEE Press (2008).
8.
Tombari, F., Mattoccia, S., Stefano, L.D.: Full Search-equivalent Pattern Matching with Incremental Dissimilarity Approximations. IEEE Transactions on Pattern Analysis and Machine Intelligence. 31(1), 129–141 (2009).
9.
Korman, S., Reichman, D., Tsur, G., Avidan, S.: FAsT Match: Fast Affine Template Matching. In: Computer Vision and Pattern Recognition, IEEE Press (2013).
10.
Pietikäinen, M., Ojala, T., Xu, Z.: Rotation-invariant Texture Classification using Feature Distributions. Pattern Recognition. 33(1), 43–52 (2000).
11.
Rahim, M.A., Hossain, M.N., Wahid, T., Azam, M.S.: Face Recognition using Local Binary Patterns (LBP). Global Journal of Computer Science and Technology Graphics and Vision. 13(4), 1–9 (2013).
12.
Froba, B., Ernst, A.: Face Detection with the Modified Census Transform. In: 6th IEEE International Conference on Automatic Face and Gesture Recognition, pp. 91–96. IEEE Press (2004).
13.
Zhang, L., Chu, R., Xiang, S., Liao, S., Li, S.Z.: Face Detection based on Multi-block LBP Representation. In: IAPR International Conference on Biometrics, pp. 11–18. LNCS 4642, Springer, Berlin, Heidelberg (2007).
14.
Zhang, H., Gao, W., Chen, X., Zhao, D.: Object Detection using Spatial Histogram Features. Image and Vision Computing. 24(4), pp. 327–341 (2006).
15.
Yan, S., Shan, S., Chen, X., Gao, W.: Locally Assembled Binary (LAB) Feature with Feature-centric Cascade for Fast and Accurate Face Detection. In: IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 1–7 (2008).
16.
Ayoob, M.R., Kumar, R.M.S.: Face Recognition using Symmetric Local Graph Structure. Indian Journal of Science and Technology. 8(24), 1–5 (2015).
17.
Nene, S.A., Nayar, S.K., Murase, H.: Columbia Object Image Library (COIL-100). Technical Report, CUCS-006-96 (1996).
18.
Wang, G., Zhang, Y., Fei-Fei, L.: Using Dependant Regions or Object Categorization in a Generative Framework. In: IEEE Conference on Computer Vision and Pattern Recognition, IEEE Press (2006).
19.
Muhammad, S, Khalid, A, Raza, M, Mohsin, S: Face Recognition using Gabor Filters. Journal of Applied Computing Science and Mathematics. 11, pp. 53–57 (2011).
Metadaten
Titel
A Novel Pattern Matching Approach on the Use of Multi-variant Local Descriptor
verfasst von
Deep Suman Dev
Dakshina Ranjan Kisku
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Proceedings of 2nd International Conference on Computer Vision & Image Processing

Print ISBN: 978-981-10-7894-1

Electronic ISBN: 978-981-10-7895-8

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-10-7895-8_4

Neuer Inhalt

    Bildnachweise