Normalización de momentos visuales 3-D frenta a transformaciones afines: aplicaciones a formas sintetizadas

• Autores: Manuel Cantón Garbín , José Manuel Gálvez Lamolda
• Localización: Revista de informática y automática, ISSN 0210-8712, Año 19, Nº. 2, 1986, págs. 26-31
• Idioma: español
• Títulos paralelos:
  • Normalization of 3D visual moments to afin transformation: aplications to sinthetized patterns
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    el reconocimiento de formas tridimensionales (3D), independientemente de su posición, orientación y tamaño, es uno de los principales y más difíciles problemas del análisis de escenas. En este trabajo presentamos como solución al mismo el uso de momentos 3D normalizados frente a traslaciones, rotaciones y homotecias. El uso de momentos bidimensionales (2D), convenientemente normalizados, ha sido útil en el reconocimiento de imágenes de formas muy variadas. La generalización al caso 3D no es trivial, sobre todo por la dificultad en el proceso de normalización frente a rotaciones 3D. Aunque se han utilizado técnicas de normalización algebraicas, el método desarrollado por nosotros presenta la gran ventaja de que no queda limitado el número de invariantes que es posible obtener, al contrario de lo que ocurre con las técnicas citadas.

  • English

    In this paper, we propose a solution based ont he use of 3D moments invariant to translations, rotations and amplifications to solve the problem of visual recognition for 3D objects. The normalization technique here presented permit to operate directly on 3D moments, instead of operating on a 3D structure. Also, the number of 3D invariants that can be obtained is not limited " a priori", as it is the case for algebraic normalization techniques.

    The experimental results confirm the invariancy of moments invariants , and their utility in classifying and indentifying various three dimensional objects irrespective of size or frame of reference. This moments exhibit a potential for greatly reducing the amount of data and processing needed for the three dimensional object recognition.