Let I be a gray level image with th

Let I be a gray level image with the size NXM. We start
with a pre-processing step where edge emphasizing lter is
used and all high probability back ground pixels are turned
to zero. In the next step we calculate the centroid and the
diameter of the preprocessed shape. We use the values D
and C to draw a circle with the center C and diameter D.
n points taken uniformly distant on the ring are used as
view points to generate a vector of weighted distribution of
pixels on relative area. The number of pixels in each area
weighted by the gray level of each pixel is used to generate a
log-polar histogram of the shape gray value pixels measured
using the view points on the ring as reference points. In
our experiments, we have used 5 and 12 bins for logr and 
respectively. This histogram is dened to be the histogram
of the view point rj on the given ring. The vector with size
n where each coordinate is the histogram H(rj) of the view
point rj is a feature vector describing the given shape I. This
denition can be seen as an extension of the known shape
context. In this denition we use the circle with it's view
points to replace contour points which is a robust represen-
tation of low quality shapes. To get the maximum benet
of the gray level information we use the gray level values of
each pixel to calculate a weighted distribution of the pixels.
As expected, high values which are foreground pixels with
high probability, contributes more value to the histogram in
the related area. As in the binary case, Concatenating all
H(rj)0s of each view point rj in the ring R will generate one
feature vector FV (L) representing a full descriptor of the
shape S from the layer L, i.e., FV (L) = fH(rj)gmj
=1.

ผลลัพธ์ (ไทย) 1:

ให้ฉันมีรูปแบบระดับสีเทา มีขนาด NXM เราเริ่มต้นมีขั้นตอนก่อนการประมวลผลที่เป็นขอบที่เน้นและวัสดุเป็นความสูงทั้งหมด และใช้พื้นหลังเซลเปิดเป็นศูนย์ ในขั้นตอนต่อไป เราคำนวณเซนทรอยด์และเส้นผ่าศูนย์กลางของรูปร่างประมวลผลล่วงหน้า เราใช้ค่า Dและ C เมื่อต้องการวาดวงกลมกับตัว C และ d เส้นผ่านศูนย์กลางจุด n ทำไกลสม่ำเสมอเมื่อเทียบเคียงกับแหวนที่ใช้เป็นดูคะแนนการสร้างเวกเตอร์ของการกระจายน้ำหนักของพิกเซลในพื้นที่ญาติ จำนวนพิกเซลในแต่ละพื้นที่ถ่วงน้ำหนัก โดยสีเทาระดับของแต่ละพิกเซลจะใช้เพื่อสร้างความฮิสโตแกรมล็อกขั้วของพิกเซลสีเทาค่ารูปวัดใช้ดูจุดบนแหวนเป็นจุดอ้างอิง ในการทดลองของเรา เราได้ใช้ช่อง 5 และ 12 สำหรับ logr และตามลำดับ ฮิสโตแกรมนี้เป็นเด ned จะ ฮิสโตแกรมของ rj จุดดูบนแหวนกำหนด เวกเตอร์ มีขนาดฮิสโตแกรม H(rj) มุมมองแต่ละพิกัด nจุด rj เป็นเวกเตอร์ลักษณะอธิบาย I. ร่างกำหนดนี้เดอ nition สามารถมองเห็นเป็นส่วนขยายของรูปร่างชื่อดังบริบทการ ใน nition เดอนี้ เราใช้วงกลมกับมุมมองของไปแทนจากจุดที่มีความแข็งแกร่ง represen-tation ของรูปทรงคุณภาพต่ำ รับ t สูงสุด beneข้อมูลระดับสีเทา เราใช้ค่าระดับสีเทาของแต่ละพิกเซลในการคำนวณการกระจายน้ำหนักของพิกเซลตามที่คาดไว้ สูงค่าซึ่งมีพิกเซลเบื้องหน้าด้วยความสูง จัดสรรเพิ่มเติมค่าฮิสโตแกรมในบริเวณที่เกี่ยวข้อง ในกรณีไบนารี ต่อทั้งหมดH (rj) 0 s ของ rj จุดละดูในริง R จะสร้างคุณลักษณะเวกเตอร์ FV (L) แทนตัวอธิบายเต็มรูปแบบของการรูปร่าง S จากชั้น L เช่น FV (L) = gmj fH (rj)= 1

ผลลัพธ์ (ไทย) 2:

ให้ฉันเป็นภาพระดับสีเทา NXM ขนาด เราเริ่มต้น
ด้วยขั้นตอนก่อนการประมวลผลที่ขอบเน้นการกรองจะถูก
นำมาใช้และความน่าจะเป็นสูงทั้งหมดกลับพิกเซลพื้นดินจะกลาย
เป็นศูนย์ ในขั้นตอนต่อไปเราจะคำนวณ centroid และ
เส้นผ่าศูนย์กลางของรูปร่าง preprocessed เราใช้ค่า D
และ C เพื่อวาดวงกลมกับศูนย์ C และเส้นผ่าศูนย์กลาง D.
n จุดถ่ายไกลสม่ำเสมอบนแหวนที่ใช้เป็น
จุดชมวิวที่จะสร้างเวกเตอร์ของการกระจายถ่วงน้ำหนักของ
พิกเซลบนพื้นที่ญาติ จำนวนพิกเซลในแต่ละพื้นที่
ถ่วงน้ำหนักด้วยระดับสีเทาของแต่ละพิกเซลจะใช้ในการสร้าง
histogram ล็อกขั้วพิกเซลมูลค่ารูปร่างสีเทาวัด
โดยใช้จุดชมวิวบนแหวนเป็นจุดอ้างอิง ใน
การทดลองของเราเราได้ใช้ 5 และ 12 ถังขยะสำหรับ logr และ?
ตามลำดับ histogram นี่คือ ned จะเป็นกราฟ
ของจุดชมวิว rj บนแหวนให้ เวกเตอร์ที่มีขนาด
n ที่แต่ละประสานงานเป็น histogram H (RJ) ในมุมมองของ
จุด rj เป็นเวกเตอร์อธิบายคุณลักษณะรูปร่างที่กำหนด I. นี้
เด nition สามารถมองเห็นเป็นส่วนขยายของรูปร่างที่รู้จัก
บริบท ในการนี้เด nition เราใช้วงกลมที่มีมุมมองเป็นของ
จุดที่จะเปลี่ยนรูปร่างจุดซึ่งเป็น represen- แข็งแกร่ง
tation ของรูปทรงที่มีคุณภาพต่ำ ที่จะได้รับเสื้อ Bene สูงสุด
ของข้อมูลระดับสีเทาที่เราใช้ค่าระดับสีเทาของ
แต่ละพิกเซลในการคำนวณการกระจายถ่วงน้ำหนักของพิกเซล.
คาดว่าจะเป็นค่าที่สูงซึ่งเป็นพิกเซลเบื้องหน้าด้วย
ความน่าจะเป็นสูงก่อให้เกิดมูลค่ามากขึ้น histogram ใน
พื้นที่ที่เกี่ยวข้อง เช่นในกรณีไบนารี, Concatenating ทั้งหมด
H (RJ) 0s ของแต่ละมุมมองจุด rj ในแหวน R จะสร้างหนึ่ง
เวกเตอร์คุณลักษณะ FV (L) เป็นตัวแทนอธิบายเต็มรูปแบบของ
S รูปร่างจากชั้น L คือ FV (L) = fH (RJ) GMJ
= 1

ผลลัพธ์ (ไทย) 3:

ให้ฉันเป็นภาพระดับสีเทาที่มีขนาด nxm . เราเริ่มต้นด้วยขั้นตอนที่การประมวลผล

ขอบ เน้น  lter คือใช้และความน่าจะเป็นสูงพื้นหลังพิกเซลเปิด
ศูนย์ ในขั้นตอนต่อไปเราจะคำนวณ centroid และ
เส้นผ่าศูนย์กลางของ preprocessed รูปร่าง เราใช้ค่า D
และ C เพื่อวาดวงกลมกับศูนย์ C และ D .
เส้นผ่านศูนย์กลางn จุดถ่ายโดยไกลบนแหวนที่ใช้เป็นจุด
มุมมองเพื่อสร้างเวกเตอร์ของการกระจายน้ำหนักของ
พิกเซลในพื้นที่ที่เกี่ยวข้อง จำนวนพิกเซลในแต่ละพื้นที่ โดยระดับสีเทา
ถ่วงน้ำหนักของแต่ละพิกเซลจะใช้ในการสร้างกราฟของขั้วโลก
เข้าสู่ระบบรูปร่างสีเทาค่าพิกเซลวัด
ใช้มุมมองจุดบนแหวนเป็นจุดอ้างอิง ใน
การทดลองของเราเราต้องใช้ 5 และ 12 และถังขยะสำหรับ logr 
ตามลำดับ ภาพนี้คือ เดอ  เน็ดเป็นกราฟ
ของมุมมอง RJ ที่ได้รับแหวน เวกเตอร์ที่มีขนาด
n ซึ่งแต่ละประสานงานเป็นกราฟ H ( RJ ) ของมุมมอง
จุด RJ เป็นเวกเตอร์ลักษณะรูปร่างให้ฉันอธิบายนี้
de  nition สามารถมองเห็นเป็นส่วนขยายของรู้จักรูปร่าง
บริบทในนี้ เดอ  nition เราใช้วงกลมด้วยมันดู
จุดแทนเส้นจุดที่แข็งแกร่ง represen -
tation ต่ำ คุณภาพ รูปร่าง ที่จะได้รับสูงสุดครับ  T
ของสีเทาระดับข้อมูลที่เราใช้ระดับสีเทาค่า
แต่ละพิกเซลเพื่อคำนวณการกระจายน้ำหนักของพิกเซล .
อย่างที่คาดไว้ ซึ่งเป็นค่าสูงเบื้องหน้าพิกเซลด้วย
ความน่าจะเป็นสูงจัดสรรค่าเพิ่มเติมเพื่อ histogram ใน
พื้นที่ที่เกี่ยวข้อง เช่นในกรณีเลขฐานสองเชื่อมโยงทั้งหมด
H ( RJ ) รัฐลุยเซียนาของแต่ละมุมมอง RJ ในแหวน r จะสร้างหนึ่ง
เวกเตอร์คุณลักษณะ FV ( L ) หรือหัวเรื่องเต็ม
รูปร่างจากชั้น L , I , FV ( L ) = FH ( RJ ) GMJ
= 1