A general shape context framework for object identification

Chi, Yuan; Leung, M.K.H.

doi:10.1016/j.cviu.2008.05.009

Cited by 11 publications

(6 citation statements)

References 31 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…the intersection needs to produce one (or more) entries of Ĩ . The filter procedure is essential to ensure efficiency especially when the feature sets and database are large [15]. Finally, each neighborhood-match votes on the optimal model.…”

Section: Similarity Indexingmentioning

confidence: 99%

See 1 more Smart Citation

Liver tumor detection and classification using content-based image retrieval

et al. 2011

View full text Add to dashboard Cite

Computer aided liver tumor detection and diagnosis can assist radiologists to interpret abnormal features in liver CT scans. In this paper, a general frame work is proposed to automatically detect liver focal mass lesions, conduct differential diagnosis of liver focal mass lesions based on multiphase CT scans, and provide visually similar case samples for comparisons. The proposed method first detects liver abnormalities by eliminating the normal tissue/organ from the liver region, and in the second step it ranks these abnormalities with respect to spherical symmetry, compactness and size using a tumoroid measure to facilitate fast location of liver focal mass lesions. To differentiate liver focal mass lesions, content-based image retrieval technique is used to query a CT model database with known diagnosis. Multiple-phase encoded texture features are proposed to represent the focal mass lesions. A hypercube indexing structure based method is adopted as the retrieval strategy and the similarity score is calculated to rank the retrieval results. Good performances are obtained from eight clinical CT scans. With the proposed method, the clinician is expected to improve the accuracy of differential diagnosis.

show abstract

Section: Similarity Indexingmentioning

confidence: 99%

“…Multiple-phase encoded texture features are proposed to capture the characters of skeptical regions spatially and chronologically. For tumor classification, hyper-cube structure based indexing [15,16] is used to query an image database of tumor sample models. The similarity score is calculated to rank the retrieval results.…”

Section: Introductionmentioning

confidence: 99%

Liver tumor detection and classification using content-based image retrieval

et al. 2011

View full text Add to dashboard Cite

show abstract

“…The proposed shape features are invariant to scale changes and rotation. Pair-wise geometric attributes (PGAs), proposed by Chi et al [5,28], capture the geometric relation between a pair of circular arcs of lines; they are among the most recent shape features of circular arcs. Compared to PGAs, our binary shape descriptor is advantageous in the following aspects.…”

Section: Binary Arc Descriptormentioning

confidence: 99%

“…Circular arcs have been used for object recognition [23] and image retrieval [5, 24] in previous studies. Our objective is to use circular arcs for object detection in real images, which has been rarely attempted so far.…”

Section: Introductionmentioning

confidence: 99%

Description of shape patterns using circular arcs for object detection

Chang

Lee²

2013

IET Computer Vision

View full text Add to dashboard Cite

The authors propose a novel object detection algorithm based on shape matching using a single sketch of an object. The proposed algorithm uses circular arc segments to describe image edges; this approach is advantageous for shape description, shape expression and reconstruction. Circular arcs are initially segmented from the image contour using the split-and-merge method, and they are extended, being partially overlapped with neighbouring circular arcs. The extracted circular arcs of the object sketch constitute an attributed relational graph as a structured object model. Circular arcs in the test image are refined by the bottom-up process of circular arc extension, and matched with circular arcs in the object model by the top-down process of end-point adjustment. The authors design end-point-based shape descriptors to encode local shape information. Hough voting aggregates the detection of circular arcs to localise the object. Probabilistic relaxation verifies the detection candidates and delineate the object boundaries. The proposed object detection system benefits from reliable extraction of contour segments, efficient and discriminative shape encoding, and flexible and robust shape matching. It exhibits competitive object detection performance in experiments using real images.

show abstract

“…Para esta dissertação, é explorado apenas a representação por região, pois os conjuntos contém imagens em que a informação de textura e cor são mais salientes. Entretanto, é possível empregar outras técnicas para descrever imagens, tais como as baseadas em forma dos objetos (Chi and Leung (2008); Datta et al (2008); Costa and Cesar Jr. (2009)). Na Seção 3.3 foram descritas duas técnicas tradicionais no contexto de textura, matriz de co-ocorrência e filtros de…”

Section: Considerações Finaisunclassified

Exploração visual do espaço de características: uma abordagem para análise de imagens via projeção de dados multidimensionais

Machado¹

View full text Add to dashboard Cite

Agradeço primeiramente a Deus pela minha saúde e força durante esses anos. À minha família, especialmente meus pais Carlos e Mara Cristina, meus irmãos C.Nino e M.Popi, e minha avó Marleny pelo incentivo e amor que tiveram por mim. Ao Prof. João Batista pela oportunidade e orientação no Instituto de Ciências Matemáticas e de Computação (ICMC/USP); aos professores, funcionários e a todos que, direta-ou indiretamente, colaboraram para a realização deste trabalho. Eu também gostaria de agradecer aos membros do laboratório VICG/LCAD-Prof.(a) Rosane Minghim, Prof. Fernando Paulovich e Danilo Eler-pelas contribuições e valiosas discussões. Pela alegria na companhia dos colegas W.Hitoshi, Jorge Poco, Frizzi San Roman e Christian Wong. Aos amigos de pós-graduação e de república Rodrigo, Leandro, Jonathan e Wesley. Finalmente, eu gostaria de agradecer ao CNPq pela bolsa concedida durante o mestrado. iii iv Resumo Sistemas para análise de imagens partem da premissa de que o conjunto de dados sob investigação está corretamente representado por características. Entretanto, definir quais características representam apropriadamente um conjunto de dados é uma tarefa desafiadora e exaustiva. Grande parte das técnicas de descrição existentes na literatura, especialmente quando os dados têm alta dimensionalidade, são baseadas puramente em medidas estatísticas ou abordagens baseadas em inteligência artificial, e normalmente são "caixas-pretas" para os usuários. A abordagem proposta nesta dissertação busca abrir esta "caixa-preta" por meio de representações visuais criadas pela técnica Multidimensional Classical Scaling, permitindo que usuários capturem interativamente a essência sobre a representatividade das características computadas de diferentes descritores. A abordagem é avaliada sobre seis conjuntos de imagens que contém texturas, imagens médicas e cenas naturais. Os experimentos mostram que, conforme a combinação de um conjunto de características melhora a qualidade da representação visual, a acurácia de classificação também melhora. A qualidade das representações é medida pelo índice da silhueta, superando problemas relacionados com a subjetividade de conclusões baseadas puramente em análise visual. Além disso, a capacidade de exploração visual do conjunto sob análise permite que usuários investiguem um dos maiores desafios em classificação de dados: a presença de variação intra-classe. Os resultados sugerem fortemente que esta abordagem pode ser empregada com sucesso como um guia para auxiliar especialistas a explorar, refinar e definir as características que representam apropriadamente um conjunto de imagens.

show abstract

A general shape context framework for object identification

Cited by 11 publications

References 31 publications

Liver tumor detection and classification using content-based image retrieval

Liver tumor detection and classification using content-based image retrieval

Description of shape patterns using circular arcs for object detection

Exploração visual do espaço de características: uma abordagem para análise de imagens via projeção de dados multidimensionais

Contact Info

Product

Resources

About