Traducido del inglés al español - www.onlinedoctranslator.

com

Vea discusiones, estadísticas y perfiles de autor para esta publicación en:https://www.researchgate.net/publication/266203349

Análisis de estructura para figuras de geometría plana

Documento de sesiónenActas de SPIE - Sociedad Internacional de Ingeniería Óptica · febrero de 2014

DOI: 10.1117/12.2042462

CITAS LEE
6 2,506

5 autores, incluido:

Xiaoqing Lyu lu liu

Universidad de Peking Universidad Nacional de Singapur

69PUBLICACIONES263CITAS 18PUBLICACIONES66CITAS

VER EL PERFIL VER EL PERFIL

zhi tang
Universidad de Sichuan

187PUBLICACIONES1,690CITAS

VER EL PERFIL

Algunos de los autores de esta publicación también están trabajando en estos proyectos relacionados:

Reconocimiento y Recuperación de Fórmula Estructural QuímicaVer Proyecto

Selección de modelo automatizada (AMS) para mezclas finitasVer Proyecto

Todo el contenido que sigue a esta página fue subido porlu liuel 30 de septiembre de 2014.

El usuario ha solicitado la mejora del archivo descargado.

 Análisis de estructura para figuras de geometría plana

Tianxiao Feng1, un, Xiaoqing Lu2,a,b, Lu Liua, Keqiang Lia, Zhi Tanga,b
aInstituto de Informática y Tecnología, Universidad de Pekín, Pekín, China;bState Key

Laboratory of Digital Publishing Technology (Peking University Founder Group Co., Ltd), Beijing,
Porcelana

RESUMEN
Como hay un número creciente de documentos digitales con fines educativos, nos damos cuenta de que no existe una
aplicación de recuperación para imágenes de geometría plana matemática. En este artículo, proponemos un método para
recuperar figuras de geometría plana (PGF), que a menudo aparecen en libros de geometría y documentos digitales. En primer
lugar, se aplican algoritmos de detección para detectar formas geométricas básicas comunes a partir de una imagen PGF.
Basándonos en todas las formas básicas, analizamos las relaciones estructurales entre dos formas básicas y combinamos algunas
de ellas en una forma compuesta para construir el descriptor PGF. Luego, aplicamos la función de coincidencia para recuperar
imágenes PGF candidatas con clasificación. La gran contribución del artículo es que proponemos un método de análisis de
estructuras para describir mejor las relaciones espaciales en dicha imagen compuesta por muchas formas superpuestas.

Palabras clave: figura de geometría plana, análisis de estructura, forma compuesta, recuperación de imágenes de documentos

1. INTRODUCCIÓN
La instrucción asistida por computadora se ha vuelto cada vez más popular en los últimos años. En consecuencia, un número creciente de
contenidos didácticos se han digitalizado y almacenado electrónicamente. Por lo tanto, el tema del reconocimiento de patrones para imágenes o
figuras de documentos se ha vuelto importante. La figura de geometría plana (PGF, Figura 1) es un tipo de gráfico de documento. Hasta donde
sabemos, los sistemas de recuperación de preguntas de geometría plana existentes generalmente se enfocan en la palabra clave en el texto de un
problema de geometría plana. Sin embargo, es posible que la descripción de dichas palabras clave no represente suficientemente las preguntas, lo
que provocaría un rendimiento impreciso.

Figura 1 Ejemplos de Figuras de Geometría Plana.

Una cuestión clave del reconocimiento de gráficos es explorar descriptores exquisitos que reflejen la naturaleza de una forma. Las técnicas de
descripción se pueden clasificar generalmente en dos clases: métodos basados en regiones y métodos basados en contornos [1]. Las características
basadas en regiones están pensadas principalmente para estadísticas generales o el análisis de toda la región de una forma, como invariantes de
momento [2] o transformadas [3, 4]. Aunque estos métodos no son susceptibles al ruido, lo que conduce a resultados de discriminación satisfactorios,
no logran capturar las características estructurales de una forma. Por el contrario, los métodos basados en contornos [5, 6]

1paddy5625@gmail.com

2lvxiaoqing@pku.edu.cn

Document Recognition and Retrieval XXI, editado por Bertrand Coüasnon, Eric K. Ringger,
proc. de SPIE-IS&T Electronic Imaging, vol. 9021, 90210R · © 2014 SPIE-IS&T
Código CCC: 0277-786X/14/$18 · doi: 10.1117/12.2042462

SPIE-IS&T/Vol. 9021 90210R-1

funcionar mejor en formas de un solo contorno; sin embargo, estas técnicas difícilmente pueden describir estructuras internas complejas y atributos
geométricos.

La descomposición de PGF requiere una detección efectiva de formas. Ballard [7] propuso un método de detección general basado en
la transformada de Hough. Sin embargo, este método implica un proceso de cálculo muy complejo. Posteriormente, se han inventado
numerosos detectores para propósitos especiales, tales como detectores circulares y de segmento de línea, que son necesarios en el
reconocimiento de PGF. Otros detectores de círculos [9–11] se utilizan para imágenes naturales y gráficos de documentos. Lamiroy [8]
propuso un método de detección de círculos rápido y robusto especialmente desarrollado para gráficos de documentos. Duda y Hart [12]
fueron los primeros en proponer un método de detección de líneas. Lin y Nevatia [13] inventaron un método que puede empalmar
efectivamente un rectángulo usando segmentos de línea detectados. Nayef [14] presentó un sistema completo de recuperación de
símbolos basado en una colección de dibujos lineales. Recientemente,

Con base en los métodos anteriores, primero aplicamos algoritmos de detección para extraer formas geométricas básicas. Después de eso, en
este artículo, nos enfocamos en el análisis de estructuras para imágenes PGF. Para ilustrar las características de un PGF, nuestro descriptor propuesto
se enfoca principalmente en el análisis de relaciones estructurales de elementos geométricos después de que fueron detectados. Analizamos las
relaciones entre dos formas básicas y describimos las características estructurales en PGF con elementos de forma compuesta. El resto de este
documento está organizado de la siguiente manera. Segundo. 2 introduce el descriptor propuesto para las PGF. Segundo. 3 establece la regla de
coincidencia para la recuperación de PGF. Segundo. 4 presenta los experimentos realizados en el estudio y proporciona un resumen de la
investigación.

2 EL DESCRIPTOR PARA PGF

2.1 Detección de forma básica

Los PGF se diferencian de otras imágenes de formas porque se componen de formas básicas, como círculos, triángulos y cuadriláteros, como se
muestra en la Figura 1. Dado un PGF, nuestro objetivo es descomponerlo en varias formas básicas. por lo tanto, nosotros
necesita detectar todas las formas básicas en la figura. Para representar el resultado detectado, un conjuntoGRAMO={S1,...,Snorte}se utiliza, en donde el

elementoSes una forma básica, que puede ser un círculo, un rectángulo, un paralelogramo, un trapezoide o una línea.

Figura 2 Un ejemplo de detección de forma básica: se han detectado un círculo y tres triángulos en una figura de geometría plana dada.

Dado un ejemplo que se muestra en la Figura 2, podemos ver que se han detectado un círculo y tres triángulos superpuestos. Los principales
pasos de detección se enumeran en la Tabla 1.

Tabla 1 Pasos de detección para la figura G.

1. Los círculos se detectan [9] y se agregan al conjuntoGRAMO.

2. Las líneas se detectan a través de la transformada de Hough y se encuentran los segmentos de línea.
3. Los segmentos de línea obtenidos se utilizan para empalmar rectángulos, paralelogramos y trapecios [15].
4. Los segmentos de línea descubiertos se utilizan para empalmar triángulos.
5. Las formas encontradas en los pasos 3 y 4 se agregan al conjuntoGRAMO.

6. Los segmentos de línea no utilizados se agregan al conjuntoGRAMO.

En algunos casos, los PGF no se pueden discriminar contando y comparando solo sus formas básicas. Como ejemplo, cada uno de los
tres PGF de la Figura 3(a) contiene dos círculos y un triángulo, pero se ven bastante diferentes. En contraste, esos PGF en la Figura 3(b) se
ven similares con casi el mismo arreglo de elementos pero diferentes cantidades de triángulos. Por lo tanto, las relaciones entre las formas
básicas en una PGF no deben ignorarse y es esencial encontrar las características estructurales en las PGF.

SPIE-IS&T/Vol. 9021 90210R-2

 (a) (b)
Figura 3 (a) Tres PGF diferentes con las mismas cantidades de formas básicas; (b) Tres PGF similares

2.2 Relación entre dos formas básicas

Es necesario analizar las relaciones entre las formas básicas antes de encontrar las características estructurales de las PGF. DejarS1
yS2ser las dos formas básicas en PGFGRAMO. Después, discutiremos la relación de varios tipos deS1yS2.

2.2.1 Triángulos y Cuadriláteros

SiS1yS2son ambos triángulos, entonces seaa1,a2, ya3ser los tres bordes deS1; yb1,b2, yb3ser los bordes deS2. Podemos calcular
una matriz de 3×3 para representar las relaciones entre dos triángulos.

-Rss(a1,b1) Rss(a1,b2) Rss(a1,b3)-

- -
METRO33= -Rss(a2,b1) Rss(a2,b2) Rss(a2,b3)-
--Rss(a3,b1) Rss(a3,b2) Rss(a3,b3)--
(1)
dóndeRss(ai,bj)(i=1, 2,3;j=1, 2,3)representa las relaciones entre dos segmentos, y los valores se definen en la
Tabla 2.

Tabla 2 Valores de las Relaciones entre Dos Segmentos.

Relaciones Ejemplos Rss(ai,bj)

Absolutamente congruente omitido 10
P no está en el medio 9
Un punto final común
P está en el medio 8
colineal
Incluido 7
Sin punto final común parcialmente superpuesto 6
Apartado 5
Paralela 4
unión en L 3
cruzado unión en T 2
no paralelo
unión en X 1
no cruzado 0

También usamos una matriz de 4×4 para representar las relaciones entre dos cuadriláteros; y una matriz de 4×3 para representar las
relaciones entre un cuadrilátero y un triángulo. De ahora en adelante, un cuadrilátero solo puede ser un rectángulo, un trapezoide o un
paralelogramo.
METRO44(i,j)=Rss(ai,bj) i=1...4,j=1...4
(2)
METRO43(i,j)=Rss(ai,bj) i=1...4,j=1...3 (3)

SPIE-IS&T/Vol. 9021 90210R-3

 En las Ecuaciones (2) y (3),METROpq(i,j)representa elifila yjth columna en la matrizMETROpq(pags=3,4;q=3,4; ypags
> =q).
UsamosMETROpqpara reflejar las relaciones entre cada borde deS1y cada borde deS2, dóndeS1yS2puede ser un triángulo o una
forma de 4 aristas. Sin embargo, la matriz contiene todas las situaciones de mapeo posibles. Por lo tanto, para normalizar el
descriptorMETROpq, encontramos el mejor vector de mapeoRpara describir la relación entre las dos formas. El algoritmo se
muestra en la Tabla 3.

Tabla 3 Algoritmo 1: encuentre el mejor vector de mapeo R de Mpq

para k = 1:q
Encuentra el número máximoAkenMETROpq.

Eliminar la línea y la columna deMETROpqdóndeAksituado.

Final
Así, obtenemos la relación entre dos formas como:

R(S1,S2)=[A1...Ak]
(4)

Figura 4 La matriz que representa la relación entre dos triángulos dados

Por ejemplo, como se muestra en la Figura 4, la matriz M es la representación del origen de dos triángulos dados a la
izquierda. El número 8 es el número máximo en la matriz que representa la relación entre el segmento a1y B1. Después de que
eliminamos la línea y la columna de la matriz donde se ubicaba el número 8, el resto del número máximo es 4, que representa los
segmentos paralelos a2y B2. Desde un3y B3no son paralelos ni intersectados, su puntaje de relación es cero. La relación entre estos
dos triángulos se muestra en la Ecuación (5).

(5)
SiS1yS2ambos son cuadriláteros, entoncesRtendrá cuatro valores; de lo contrario,Rsólo tendrá tres valores. Usamos
este método para representar las relaciones entre triángulos o cuadriláteros. Sin embargo, este método no es adecuado
para representar las relaciones entre un círculo y otra forma básica.

2.2.2 Relaciones entre un círculo y un cuadrilátero

DejarS1Ser un círculo yS2sea un cuadrilátero en PGFGRAMO. Contamos el número de vértices paraS2, que se encuentran a lo largo del
círculoS1(denotado comonortev), y el número de puntos tangenciales enS2al círculoS1(denotado comonortemi), como sigue:

nortev=tarjeta{pags|pags∈S2.vértice∧dist(pags,S1.C) =S1.r}
(6)
nortemi=tarjeta{mi|mi∈S2.borde∧dist(mi,S1.C) =S1.r}
(7)
En las Ecuaciones (6) y (7),S1.Cdenota el centroide deS1, mientrasS1.rdefine el radio. La relación entre el círculo y
el cuadrilátero se define en la Ecuación (8):

R(S1,S2)=(nortev,nortemi)
(8)
2.2.3 Relaciones entre un círculo y un triángulo
DejarS1Ser un círculo yS2sea un triangulo en PGFGRAMO. Aparte denortevynortemi, que se han definido en las Ecuaciones (6) y
(7), introducimos dos propiedades adicionales,norteCynorted,como sigue:

SPIE-IS&T/Vol. 9021 90210R-4

 -1 ∃pags(pags∈S2.vórtice∧dist(pags,S1.C) = 0)
norteC= -
-0 otros (9)

-1 ∃mi(mi∈S2.borde∧e es un diámetro de S1)

d=-
norte
(10)
-0 otros

La relación entre el círculo y el triángulo se define en la siguiente ecuación:

R(S1,S2)=(nortev,nortemi,norteC,norted)
(11)
2.2.4 Relaciones entre dos círculos
Dejardrepresentan la distancia entre los dos centroides de los círculos, yr1yr2representan sus radios. La Tabla 4 muestra cinco
escenarios en los que comparamosd,r1+r2, y |r1-r2|.

Tabla 4 Relaciones entre dos círculos.

Condición Circunstancia
d>r1+r2 Apartado

d=r1+r2 Circunscrito

r1−r2<d<r1+r2 cruzado

d=r1−r2 inscrito

d<r1−r2 Incluido

Teóricamente, podríamos analizar todas las relaciones entre dos formas básicas cualesquiera con el método presentado en la Sec.
2.2, ya que el número de tipos de formas básicas es finito. Sin embargo, el cálculo será enorme si enumeramos todas las
relaciones. Además, no todos los tipos de relaciones son igualmente importantes para la descripción de las características
estructurales de las PGF. Es necesario seleccionar aquellas relaciones importantes y excluir las que no lo son. En la siguiente
sección, se adoptarán formas compuestas para cumplir con esta idea.

2.3 Formas compuestas

Discutir todo tipo de relaciones entre dos formas básicas abarcará un proyecto grande y complejo. Sin embargo, la mayoría de
las relaciones son débiles, por lo que encontrar relaciones sólidas entre estas formas es más importante que enumerarlas todas.
En este artículo, a través del análisis y una serie de experimentos, finalmente encontramos algunos tipos de formas compuestas
con fuertes relaciones que son importantes para identificar diferentes PGR. A continuación, analizamos las relaciones entre dos
círculos, un círculo y un triángulo, y un círculo y un cuadrilátero, como relaciones representativas para elaborar nuestros métodos.

2.3.1 Dos círculos

Como se define generalmente, hay cinco tipos de relaciones entre dos círculos: "circunscrito", "intersectado", "inscrito",
"incluido" y "separado" (tal como se define en la Tabla 4, y todas las cuales se han definido en la Sección 2.2.4). Sin embargo, aquí
solo consideramos las primeras cuatro relaciones "fuertes" y descartamos la relación "separada" como una relación "débil", que
contribuye muy poco a las características estructurales.

2.3.2 Un círculo y un triángulo

Con base en los experimentos, seis tipos de relaciones fuertes entre un círculo y un triángulo muestran su importancia en
comparación con otras relaciones débiles, como se muestra en la Tabla 5. En términos generales, las seis relaciones fuertes tienen
un punto en común: el triángulo debe al menos comparten un vértice con sus círculos, lo que aumenta la importancia de la forma
compuesta.

SPIE-IS&T/Vol. 9021 90210R-5

 Tabla 5 Formas compuestas－Un círculo y un triángulo.

nortev 3 nortev 3 nortev 2

nortemi 0 nortemi 0 nortemi 0
norteC 0 norteC 0 norteC 1
norted 1 norted 0 norted 0
nortev 2 nortev 1 nortev 0
nortemi 1 nortemi 1 nortemi 3
norteC 0 norteC 1 norteC 0
d
norte 1 norted 0 norted 0
2.3.3 Un círculo y un cuadrilátero
Los cuadriláteros pueden ser un rectángulo, un trapezoide o un paralelogramo. En el caso de un rectángulo, usamos la condición norte
v+nortemi>=4, que puede generar cuatro situaciones. Para un trapezoide, solo elegimos una condición cuando todos los vértices de
el trapezoide cae dentro de la circunferencia del círculo. Descartamos todas las relaciones entre un círculo y un
paralelogramo.
A través del análisis y un conjunto de experimentos de combinaciones de dos formas, 41 formas compuestas se consideran relaciones sólidas,
como se muestra en la Figura 5. Generalmente, tanto las formas compuestas como las básicas se usan para representar la característica de un PGF.

En consecuencia, obtenemos el conjunto actualizadoGRAMO={PAGS1,...,PAGSnorte};en este conjunto,PAGSpuede ser una forma básica o compuesta. Nosotros

mantener el perímetro y el área en cadaPAGS. SiPAGSes una forma compuesta, entonces usamos la suma de los perímetros y áreas de las
dos formas básicas para representar las de la forma compuestaPAGS.

Figura 5 Lista de todas las formas compuestas.

Tabla 6 Algoritmo 2: el algoritmo que compone las formas compuestas a partir de las formas básicas.

Ordena las formas básicas (descendentemente) por área.

x = 0;
para i = 1 an
para j = 1 a i-1
si (Sies 'usado' ySjes 'usado') continuar; terminara si)
siR(Si,Sj)es fuerte (Figura 5)
x = x+1;
Generar una forma compuestaDX;
MarcaSiySj'usó'; terminara si)

fin (para)
fin (para)
Eliminar formas básicas 'usadas' en el conjuntoGRAMO.
Agregar formas compuestasD1…DXestablecerGRAMO.
Ordenar todos los elementos (descendente) por área en conjuntoGRAMO.

SPIE-IS&T/Vol. 9021 90210R-6

 3 REGLAS DE PARTIDO

En esta sección, presentamos una funciónJuego(GRAMO1,GRAMO2), que tiene un valor mayor cuandoGRAMO1yGRAMO2son mas parecidos a

entre sí, y un valor más bajo cuandoGRAMO1yGRAMO2no son. DejarGRAMO1{PAGS1,...,PAGSmetro}yGRAMO2{q1,...,qnorte}ser dos cifras. El primer paso

es definir un peso entre un elementoPAGSenGRAMO1y un elementoqenGRAMO2. Dado que cada elemento puede ser una forma básica o
compuesta, a continuación se proponen discusiones categorizadas.

3.1 Peso entre dos formas básicas

Evaluamos la importancia de diferentes tipos de formas básicas en función de su tasa de aparición. números totales de Primero contamos el
formas básicas en nuestros conjuntos de datos y evaluarlos manualmente como prominencia visual o no. Luego calculamos
las tasas de formas sobresalientes visuales, como se muestra en la Tabla 7. Las tasas reflejan la importancia visual para diferentes tipos de formas
básicas. En la Tabla 7, podemos ver que todos los círculos en PGF son salientes visuales, lo que significa que los círculos en PGF son más significativos
que otros triángulos y cuadriláteros. Por otro lado, los triángulos en PGF son menos destacados visualmente. Los conjuntos de datos se introducen en
la Sec. 4.

Tabla 7 la cantidad de formas básicas sobresalientes visuales y formas básicas totales en nuestro conjunto de datos

círculos triangulos Rectángulos trapezoides paralelogramos

Cantidad saliente visual 219 134 31 26 5
Cantidad total 219 1955 38 sesenta y cinco 40
Velocidad 100% 6,9% 82% 40% 13%
DejarPAGSser una forma básica en la figuraGRAMO1yqser una forma básica en la figuraGRAMO2. Asignamos los pesos de clase como 50 veces
las tasas de la Tabla 7 bajo la condición de que P y Q sean los mismos tipos de formas básicas, lo que revela sus diferencias.
significado. En nuestros experimentos reales, los pesosC(PAGS,q)se reemplazan con enteros cercanos como se muestra en el último

columna en la Tabla 8.
Por otro lado, siPAGSyqson de diferentes tipos, asumimos que no están emparejados para que el pesoC(PAGS,q)
se pone a cero.

Tabla 8 Pesos de clase para formas básicas P y Q

PAGS q Tarifas veces 50 C(PAGS,q)

Circulo Circulo 50 50
Rectángulo Rectángulo 41 40
trapezoide trapezoide 20 20
Paralelogramo Paralelogramo 6.5 7
Triángulo Triángulo 3.45 3
Diferentes tipos -- 0
También consideramos la tasa de círculo parcial dePAGSyqcomo

A(PAGS,q)=1-(PCR(PAGS)−PCR(q))* 2 π (12)
dónde
Área(S)
PCR(S)= , S∈{PAGS,q}
Perímetro(S) (13)

También debemos generar un factor de tamaño para mantener la invariancia de la escala, de la siguiente manera:

Área(PAGS)/Área(q) 1
S(PAGS,q)= si S(PAGS,q)>1, S(PAGS,q)=
Escala(PAGS)/Escala(q) S(PAGS,q) (14)

La ecuación (14) indica queS(PAGS)es la forma básica más grandeS1del conjuntoGRAMO1que puede reflejar el tamaño. Los valores

de ambosAySestán obviamente entre 0 y 1. Posteriormente, definimos el peso entrePAGSyqcomo

SPIE-IS&T/Vol. 9021 90210R-7

 W(PAGS,q)=C(PAGS,q)*A(PAGS,q)*S(PAGS,q)
(15)
3.2 Peso entre dos formas compuestas
DejarD1ser una forma compuesta enGRAMO1yD2ser una forma compuesta enGRAMO2. También usamos la Ecuación (15) para calcular el peso deD
1y D2, pero redefine los índices de coincidencia de clase como

C(D1,D2)=Cd(D1,D2)+Cmi(D1,D2)*máximo(C(S1,S2)+C(T1,T2),C(S1,T2)+C(S2,T1))(dieciséis)

En la Ecuación (16),SiyTison las dos formas básicas que componenDi, y el parámetroCd(D1,D2),Cmi(D1,D2)

se definen como:

D1y D son2 del mismo tipo D

Cd(DD1,)2= -
-norte

-0 1y D2son diferentes tipos (17)

-2 D1y D2son del mismo tipo

Cmi(D1,D2)= -
-1 D1y D2son diferentes tipos (18)
Podemos reescribir la Ecuación (16) como Ecuación (19). En la Ecuación (19), siD1yD2son diferentes tipos de compuestos
formas, usamos el máximo de pesos de clase entre las cuatro formas básicas de dos formas compuestas. peso deD1yD2es mucho
De lo contrario, el
más alto. De acuerdo con los resultados del experimento en la Sec. 4.2, configuramos el parámetro N como 40.

--norte+2*máx.(C(S 1,S2)+C(T1,T2),C(S1,T2)+C(S2,T1)) D1y D son2 del mismo tipo D1y D2

CD( 1,D2= -)
-- máximo(C(S1,S2)+C(T1,T2),C(S1,T2)+C(S2,T1)) son diferentes tipos(19)

También necesitamos redefinir la tasa de círculo parcial como

Área(D) Área(S)+Área(T)
PCR(D)= =
circunvalación(D) circunvalación(S)+circunvalación(T)
(20)
3.3 Peso entre una Forma Compuesta y una Forma Básica
Necesitamos redefinir los índices de coincidencia de clase como se muestra en la Ecuación (21) y usar la Ecuación (15) para calcular el peso de la siguiente
manera:

C(PAGS,D)=máximo(C(PAGS,S),C(PAGS,T))
(21)
En la Ecuación (21),PAGSes una forma básica enGRAMO1, mientrasDes una forma compuesta enGRAMO2, que están compuestos porSyT.

3.4 Partido

Establecemos una matriz de coincidencia paraGRAMO1{PAGS1,...,PAGSmetro}yGRAMO2{q1,...,qnorte}como sigue:

-W(PAGS1,q1)W(PAGS1,q2)... ...W(PAGS1,q-)
- -
norte

-W(PAGS2,q1)W(PAGS2,q2)... ...W(PAGS2,qnorte)-
1,2()
METRO GG= - ... ... ... ... ... -
- -
- ... ... ... ... ... -
--W(PQmetro,1) ( metro,2)
WPQ ( -
WPQ )-
(22)
... ... ,
metro norte

SPIE-IS&T/Vol. 9021 90210R-8

 Suponemos que la Ecuación (22) es la matriz de pesos de una figura bipartita completaGRAMO=(GRAMO1,GRAMO2)=(PAGS1,...,PAGSmetro,q1,...,qnorte),

y encontramos un peso máximo que se adapta perfectamenteGRAMOmediante el algoritmo de Kuhn-Munkres[16]. Usamos este peso
máximo como el de dos PGFGRAMO1yGRAMO2, como sigue:

kilómetros(GRAMO1,GRAMO2)=Kuhn_Munkras(METRO(GRAMO1,GRAMO2))
(23)
Y finalmente obtener la puntuación correspondiente como:

( G1GRAMO
,2 ) =
2*kilómetros(GRAMO1,GRAMO2)
Partido
kilómetros(GRAMO1,GRAMO1)+kilómetros(GRAMO2,GRAMO2)
(24)

4 EXPERIMENTOS Y CONCLUSIONES
En esta sección, demostramos el efecto de la descripción basada en formas compuestas y las reglas de coincidencia. Para nuestro
experimento, usamos una computadora que consta de Intel Core i5 (3,20 GHz), 4,00 G de RAM y sistema operativo Windows 7.

4.1 Los conjuntos de datos y el criterio de medida

Hemos recopilado 267 figuras de geometría plana de cinco libros de geometría primaria para construir la base de datos de imágenes. Cada imagen tiene un

conjunto de verdad de campoGRAMO={S1,...,Snorte}describir un conjunto de formas básicas; por lo tanto, podemos usar los datos de verdad de campo para el

evaluación de detección. Para la evaluación de la recuperación, realizamos un cuestionario en línea entre cada dos imágenes PGR para humanos para
dar una puntuación relevante basada en la similitud visual.

Hemos configurado una matriz de 267*267 para puntuar la similitud entre cada dos PGF. La similitud entre cada dos PGF se vota
manualmente con un rango de puntuación de 0-5. Damos 5 puntos a esos pares de PGF muy similares, mientras que damos 0 puntos a los
pares de PGF no similares. Se puede concluir que la matriz de resultados de votación es una matriz simétrica, y los datos en la diagonal
principal de la matriz no tienen sentido ya que solo representan la similitud entre un PGF y sí mismo. Por lo tanto, acabamos de votar
267*(267-1)/2=35511 par de PGF.

4.2 Experimento para el parámetro N en la Ecuación (19)

En nuestro experimento, usamos una figura de geometría plana como consulta y la procesamos con pasos de detección en la Sec. 2.1 y características de
forma en el resto de la Sec. 2. Luego lo emparejamos con otros 266 PGF en los conjuntos de datos y encontramos 5 PGF con los índices de coincidencia más altos.
Luego sumamos las puntuaciones de los votos (declaradas en la Sec. 4.1) con la consulta y los 5 PGF encontrados como resultado del experimento.

Luego usamos otra figura de geometría plana como otra consulta y hacemos el mismo procedimiento anterior hasta que se consultan los 267
PGF. Usamos la suma de todos los puntajes de los votos para evaluar los efectos de nuestro método.

Figura 6 El resultado del experimento para diferentes parámetros N en la Ecuación (19)

El parámetro N en la Ecuación (19) (ver Sec. 3.4) se establece en 40 después de haber probado el valor de N=20,25,30,35,40,45,50. La suma de
todos los puntajes de los votos se muestra en la Figura 6.

SPIE-IS&T/Vol. 9021 90210R-9

4.3 Experimento de descripción basado en formas compuestas
Para verificar los efectos de la descripción, usamos el método Zernike Moments Descriptor (ZMD)[17] para comparar y evaluar los
efectos de las reglas de coincidencia. También utilizamos el conjunto de formas básico original (BSS)GRAMO={S1,...,Snorte},cual
significa que el método BSS es similar a nuestro método, pero omite los procedimientos descritos en la Sec. 2.2, 2.3, 3.2 y 3.3. Los resultados muestran
que nuestras reglas de emparejamiento son efectivas porque tanto el método propuesto como el BSS funcionan mejor que el método ZM.

ZMD

BSS

Propuesto
método

Figura 7 Resultados experimentales para los tres métodos

En la Figura 7, el gráfico más a la izquierda en cada línea es la consulta. La comparación de los gráficos segundo y tercero en cada línea
revela que el método propuesto y el BSS funcionan mejor que el método ZMD. También podemos concluir a partir de las columnas cuarta y
quinta de la Figura 7 que la descripción propuesta basada en las formas compuestas funciona mejor que BSS porque tanto los numerosos
triángulos en el círculo como sus relaciones están más cerca de la consulta.

La puntuación total después de usar el método BSS y ZMD se muestra en la Figura 8, podemos ver que tanto nuestro método como
BSS funcionan mucho mejor que el método ZMD. El método propuesto funciona mejor que BSS porque el método BSS pierde las relaciones
entre las formas básicas.

Figura 8 la puntuación de la suma de Zernike, BBS y el método propuesto

También sumamos la puntuación de votos de las consultas y su 1 PGF más coincidente, que se muestra en las barras de la derecha de la Figura 8. Podemos concluir que
nuestro método obtiene una puntuación de 517 y también funciona mejor.

Los experimentos también muestran algunas limitaciones de nuestro método. Para las PGF que no contienen formas compuestas, los
resultados de recuperación no son satisfactorios. Por ejemplo, la consulta de la Figura 9(a) contiene un círculo, un trapezoide y dos
triángulos, pero nuestro algoritmo no logra encontrar formas compuestas eficientes. En consecuencia, ninguna de las figuras recuperadas
en la Figura 9(b) es similar a la consulta, aunque contienen círculos, triángulos y trapecios similares.

(a) (b)

Figura 9 La consulta (a) y los 3 mejores resultados obtenidos (b)

SPIE-IS&T/Vol. 9021 90210R-10

 4.4 Conclusiones
En este artículo, con el objetivo de recuperar las figuras geométricas planas de manera eficiente, nos enfocamos en el análisis
de la estructura para construir el descriptor estructural basado en las formas geométricas básicas detectadas. La principal
contribución de nuestro trabajo es que proponemos un método de análisis de estructuras para encontrar formas compuestas
distintivas para describir las figuras geométricas planas superpuestas. Puede reflejar las estructuras y diseños de las figuras en
comparación con los descriptores de forma clásicos de bajo nivel. Las reglas de emparejamiento abordan las cuestiones clave y
nos ayudan a completar el sistema de recuperación de figuras de geometría plana, que se puede aplicar al campo de la enseñanza
de las matemáticas. Este método también proporcionó una guía para el reconocimiento y la recuperación de gráficos
multicontorno u otros gráficos complejos.

EXPRESIONES DE GRATITUD
Este trabajo cuenta con el apoyo de la Fundación de Ciencias Naturales de Beijing bajo la subvención 4132033. Estamos profundamente en deuda
con los colaboradores por sus comentarios perspicaces y valiosas sugerencias.

REFERENCIAS

[1] Zhang, D. y Lu, G., "Revisión de las técnicas de representación y descripción de formas", Patt. reco. Soc., 37(1), (2004)
[2] Liao, SX, Pawlak, M., "Sobre el análisis de imágenes por momentos", IEEE Trans. Pat. Analy. y Mach., Intel., 18(3), (1996).
[3] Zhang, D. y Lu, G. "Descriptor de Fourier genérico para la recuperación de imágenes basada en la forma", Proc. del IEEEICME. 1,
425-428 (2002).
[4] Tabbone, S., Ramos, Terrades, O., Barrat, S., "Histogram of radon transform. a useval descriptor for shape retrieval",
Proc. IEEE CIPR., 1-4 (2008).
[5] Ling, H. y Jacobs, DW, "Clasificación de formas usando la distancia interna", IEEE Trans. Pat. Analy. y Mach.,
29(2), (2007).
6] Molhtarian, F., Abbasi, S. y Kittler, J., "Imagen espacial de escala de curvatura en recuperación de similitud de forma", Multi. Sistema,
7(6), (1999).
[7] Ballard, DH, "Generalización de la transformada de Hough para detectar formas arbitrarias", Patt. reco. 13, 111-222 (1981).
[8] Lamiroy, B., Gaucher, O. y Fritz, L., "Detección de círculo robusto", Proc. ICDAR, 526-530 (2007).
[9] Chung, KL, Huang, YH, Shen, SM, Krylov, AS, Yurin, DV Semeikina, EV "Estrategia de muestreo eficiente y estrategia de
refinamiento para la detección de círculos aleatorios", Patt. reco. 45, 252-263 (2012).
[10] Akinlar, C. y Topal, C., "Un detector circular en tiempo real con un control de detección falso", ICASSP, 1309-1312 (2012).
[11] Cuevas, E., Enciso, VO, Wario, F., Zaldivar, D. y Cisneros, MP, “Detección automática de múltiples círculos basada en
sistemas inmunes artificiales,” Sistemas Expertos con Aplicación, 39, 713-722(2012) ).
[12] Duda, RO y Hart, PE, "Uso de la transformación de Hough para detectar líneas y curvas en imágenes", Comm. MCA
15, 11-15 (1972).
[13] Lin, C. y Nevatia, R., "Detección y descripción de edificios a partir de una imagen de intensidad única", Comp. Imagen de visión
debajo. 72(2), 101-121(1998).
[14] Nayef, N. y Breuel, TM, "Recuperación eficiente de símbolos mediante la construcción de un índice de símbolos a partir de una colección de dibujos
lineales", DRR 5-7 de febrero San Francisco CA EE. UU., (2013).
[15] Li, K., Lu, X., Ling, H., Liu, T., Feng, T. y Tang, Z., "Detección de cuadriláteros superpuestos en figuras geométricas planas",
ICDAR 25-28 de agosto Washington DC EE. UU., (2013).
[16] Bourgeois, F. y Lassalle, JC, "Una extensión del algoritmo de munkres para el problema de asignación a matrices
rectangulares", Comm. ACM, 14(12), 802-804(1971).
[17] Kim, WY y Kim, YS “Un descriptor de forma basado en regiones que utiliza momentos Zernike”, Sig. proc. Comunicación de imagen 16,
95-102 (2000).

SPIE-IS&T/Vol. 9021 90210R-11

Ver estadísticas de publicación