Published January 1, 2021
| Version v1
Publication
Open
Efficient Translation, Rotation, and Scale Invariants of Discrete Tchebichef Moments
- 1. Multimedia University
- 2. UCSI University
- 3. University of Malaya
Description
Translation rotation and scale invariants of Tchebichef moments are commonly used descriptors in image analysis. Existing invariant algorithms either indirectly compute from geometric moments or directly using Tchebichef moments. The former approach is relatively simple, but inefficient, especially when the system consists only of Tchebichef moments. Likewise, the latter approach is complicated, mainly because of the method used to formulate the invariant algorithm. Hence, in this paper, we introduce a new set of translation, rotation and scale Tchebichef moment invariants (TRSI) using moment normalization, which is much computationally efficient and accurate. This is achieved by formulating the recurrence relationship of the descriptors and successfully resolve uniqueness issues of principal axis normalization. Experimental studies show that the proposed method is computationally much faster and possesses higher discriminative power in classification when compared with present invariant algorithms. The main contribution of this paper is a novel fast computational algorithm that simplifies translation, rotation and scale invariant algorithms of Tchebichef moments and a novel normalization scheme that preserve invariants' orthogonality from the moment functions. The technique can be deployed to derive more complex invariants like affine invariants for other orthogonal moments like Krawtchouk, Hahn, Racah moments etc.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
عادةً ما يستخدم دوران الترجمة وثوابت مقياس لحظات تشبيشف في الوصف في تحليل الصور. الخوارزميات الثابتة الحالية إما تحسب بشكل غير مباشر من لحظات هندسية أو مباشرة باستخدام لحظات تشبيشف. النهج الأول بسيط نسبيًا، ولكنه غير فعال، خاصة عندما يتكون النظام فقط من لحظات تشبيشف. وبالمثل، فإن النهج الأخير معقد، ويرجع ذلك أساسًا إلى الطريقة المستخدمة لصياغة الخوارزمية الثابتة. وبالتالي، في هذه الورقة، نقدم مجموعة جديدة من ثوابت عزم تشبيشف (TRSI) للترجمة والدوران والقياس باستخدام تطبيع العزم، وهو أمر فعال ودقيق من الناحية الحسابية. ويتحقق ذلك من خلال صياغة علاقة التكرار للواصفات وحل مشكلات التفرد في تطبيع المحور الرئيسي بنجاح. تظهر الدراسات التجريبية أن الطريقة المقترحة أسرع بكثير من الناحية الحسابية وتمتلك قوة تمييزية أعلى في التصنيف عند مقارنتها بالخوارزميات الثابتة الحالية. المساهمة الرئيسية لهذه الورقة هي خوارزمية حسابية سريعة جديدة تبسط خوارزميات الترجمة والدوران والتدرج الثابت للحظات التشبيشف ومخطط تطبيع جديد يحافظ على عمودية الثوابت من وظائف اللحظة. يمكن نشر هذه التقنية لاشتقاق ثوابت أكثر تعقيدًا مثل الثوابت المتقاربة للحظات المتعامدة الأخرى مثل لحظات كراوتشوك وهان وراكاه وما إلى ذلك.Translated Description (French)
La rotation de traduction et les invariants d'échelle des moments de Tchebichef sont des descripteurs couramment utilisés dans l'analyse d'image. Les algorithmes invariants existants calculent indirectement à partir de moments géométriques ou directement à l'aide de moments de Tchebichef. La première approche est relativement simple, mais inefficace, surtout lorsque le système ne se compose que de moments de Tchebichef. De même, cette dernière approche est compliquée, principalement en raison de la méthode utilisée pour formuler l'algorithme invariant. Par conséquent, dans cet article, nous introduisons un nouvel ensemble d'invariants de moment de Tchebichef de translation, de rotation et d'échelle (TRSI) utilisant la normalisation de moment, qui est beaucoup efficace et précise sur le plan informatique. Ceci est réalisé en formulant la relation de récurrence des descripteurs et en résolvant avec succès les problèmes d'unicité de la normalisation de l'axe principal. Des études expérimentales montrent que la méthode proposée est beaucoup plus rapide sur le plan du calcul et possède un pouvoir discriminant plus élevé dans la classification par rapport aux algorithmes invariants actuels. La principale contribution de cet article est un nouvel algorithme de calcul rapide qui simplifie la traduction, la rotation et les algorithmes invariants d'échelle des moments de Tchebichef et un nouveau schéma de normalisation qui préserve l'orthogonalité des invariants des fonctions de moment. La technique peut être déployée pour dériver des invariants plus complexes comme les invariants affins pour d'autres moments orthogonaux comme les moments de Krawtchouk, Hahn, Racah, etc.Translated Description (Spanish)
La rotación de la traducción y los invariantes de escala de los momentos de Tchebichef son descriptores comúnmente utilizados en el análisis de imágenes. Los algoritmos invariantes existentes calculan indirectamente a partir de momentos geométricos o directamente utilizando momentos de Tchebichef. El primer enfoque es relativamente simple, pero ineficiente, especialmente cuando el sistema consiste solo en momentos Tchebichef. Del mismo modo, este último enfoque es complicado, principalmente debido al método utilizado para formular el algoritmo invariante. Por lo tanto, en este documento, presentamos un nuevo conjunto de invariantes de momento de Tchebichef (TRSI) de traslación, rotación y escala utilizando la normalización de momento, que es muy eficiente y precisa desde el punto de vista computacional. Esto se logra formulando la relación de recurrencia de los descriptores y resolviendo con éxito los problemas de singularidad de la normalización del eje principal. Los estudios experimentales muestran que el método propuesto es computacionalmente mucho más rápido y posee un mayor poder discriminativo en la clasificación en comparación con los algoritmos invariantes actuales. La principal contribución de este trabajo es un novedoso algoritmo computacional rápido que simplifica los algoritmos invariantes de traslación, rotación y escala de los momentos de Tchebichef y un novedoso esquema de normalización que preserva la ortogonalidad de los invariantes a partir de las funciones del momento. La técnica se puede implementar para derivar invariantes más complejos como invariantes afines para otros momentos ortogonales como momentos de Krawtchouk, Hahn, Racah, etc.Files
09638620.pdf.pdf
Files
(245 Bytes)
| Name | Size | Download all |
|---|---|---|
|
md5:16aed3c458bc61f91486167cb7a4769b
|
245 Bytes | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- الترجمة الفعالة والدوران وثوابت المقياس للحظات التشبيخ المنفصلة
- Translated title (French)
- Traduction, rotation et invariants d'échelle efficaces des moments de Tchebichef discrets
- Translated title (Spanish)
- Traducción eficiente, rotación e invariantes de escala de momentos discretos de tchebichef
Identifiers
- Other
- https://openalex.org/W4205336469
- DOI
- 10.1109/access.2021.3133444
References
- https://openalex.org/W1964773430
- https://openalex.org/W1989534858
- https://openalex.org/W2021712510
- https://openalex.org/W2026255638
- https://openalex.org/W2034917411
- https://openalex.org/W2035062046
- https://openalex.org/W2059176986
- https://openalex.org/W2063661825
- https://openalex.org/W2064861832
- https://openalex.org/W2073451745
- https://openalex.org/W2086936614
- https://openalex.org/W2090091627
- https://openalex.org/W2098280924
- https://openalex.org/W2102238397
- https://openalex.org/W2102679304
- https://openalex.org/W2117428452
- https://openalex.org/W2121834080
- https://openalex.org/W2124041826
- https://openalex.org/W2129078677
- https://openalex.org/W2135331233
- https://openalex.org/W2145933558
- https://openalex.org/W2146880335
- https://openalex.org/W2148941711
- https://openalex.org/W2159498975
- https://openalex.org/W2163644233
- https://openalex.org/W2517475170
- https://openalex.org/W2588125578
- https://openalex.org/W2605973179
- https://openalex.org/W2623780987
- https://openalex.org/W2630241239
- https://openalex.org/W2887450173
- https://openalex.org/W2908346744
- https://openalex.org/W2910259740
- https://openalex.org/W2915222188
- https://openalex.org/W2932559366
- https://openalex.org/W3008852227
- https://openalex.org/W3016947664
- https://openalex.org/W3041464015
- https://openalex.org/W3103312138