基于数据共性的鲁棒特征表示-论文.pdf

基于数据共性的鲁棒特征表示-论文.pdf

ID:54707658

大小:988.16 KB

页数:7页

时间:2020-05-04

基于数据共性的鲁棒特征表示-论文.pdf_第1页
基于数据共性的鲁棒特征表示-论文.pdf_第2页
基于数据共性的鲁棒特征表示-论文.pdf_第3页
基于数据共性的鲁棒特征表示-论文.pdf_第4页
基于数据共性的鲁棒特征表示-论文.pdf_第5页
资源描述:

《基于数据共性的鲁棒特征表示-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、高技术通讯2014年第24卷第2期:117~123doi:10.3772/j.issn.1002-0470.2014.02.002基于数据共性的鲁棒特征表示①岳金朋②”史忠植张伟⋯胡宏张建华”(中国科学院计算技术研究所智能信息处理重点实验室北京100190)(”中国科学院大学北京100049)(”中国科学院计算技术研究所前瞻研究实验室北京100190)摘要为了提高图像检索的性能,研究了图像变化对视觉特征鲁棒性的影响,提出了一种新的鲁棒特征表示方法。该方法首先挖掘鲁棒特征的数据共性,即在不同图像变化条件下提取的鲁棒特征之间的共性,然后基于数据共性进行特征的二进制码表

2、示。在特征挖掘阶段,根据特征的视觉信息和在向量空间下的相似性来挖掘数据共性。在特征表示阶段,对具有共性的特征进行离线学习,通过局部保持哈希(LPH)将具有共性的数据表示为相似的二进制码。该方法由于将特征提取过程中的潜在信息即数据共性与特征表示技术相融合,因此能够更好地应对复杂图像变化。实验表明,在图像检索应用背景下该方法的精度比现有方法提高6%以上。关键词图像内容分析,视觉特征提取,鲁棒特征表示,数据共性间下,即在多种仿射参数对应的模拟图像中提取特0引言征,提高了特征鲁棒性。多分辨率最稳定极值区域(maximallystableextremalregion,MSE

3、R)为解决在计算机视觉领域,基于内容的图像检索利用MSER对模糊攻击敏感的问题,将MSER扩展到尺视觉特征提取技术,将图像检索问题转化为特征的度空间下。但是,扩展方法导致特征数量剧增,不仅相似性查询问题,其中,视觉特征的鲁棒性决定了图增加了噪声和冗余,也加剧了空间消耗,因而严重降像检索的性能。在实际应用中,多种因素导致了图低了图像检索系统的性能J。ASIFI"把对模拟图像像变化,比如拍摄条件(角度、光照)的不同、传输过提取的特征组成集合,没有对特征进行选择。现有程中的噪声以及对图像的各种改变(比如拉伸、剪的特征挖掘方法,比如ASC_5和S.MSER_6J,只是简切

4、)等。而现有的视觉特征检测方法无法应对所有单地对特征进行统计,没有深入挖掘特征的共性。的图像变化J。当图像变化剧烈时,视觉特征的鲁一方面,挖掘特征的共性可减小冗余特征的数量,降棒性下降,引起检索系统的性能下降。为此学者提低存储成本,另一方面,基于数据共性对特征进行表出了对视觉特征提取过程进行扩展的方法,通过示,可借助特征提取过程中的视觉信息来提高特征提取并保存各种图像变化条件下的特征,来提高特的鲁棒性。基于此研究思路,本文提出了基于数据征鲁棒性。比如多采样多视觉词典树检测特征共性的鲁棒特征表示方法,并在公开数据集上验证点后,对特征点的局部区块在多个尺度、多个位置下

5、本文方法的性能。采样并构建多棵视觉词典树,保存了特征的互补信息。再如尺度不变特征转换(scale—invariantfeature1基于数据共性的鲁棒特征挖掘transform,SIF1~)特征具有全尺度不变性,但应对仿射变化的能力有限。Morel提出了仿射性(affine)特征扩展的目的是提高特征应对各种图像变化SIFT(ASIFT)方法将SIKF特征扩展到全仿射空的鲁棒性,比如仿射性尺度不变特征转换(AsIYr)①973计划(2013CB329502),国家自然科学基金(61035003,60933004)和863计划(2012AA011003)资助项目。②男

6、,1982年生,博士;研究方向:视觉感知计算,行为检测;联系人,E—mail:yuejp@ics.ict.ac.cn(收稿日期:2013-06-05)一117—岳金朋等:基于数据共性的鲁棒特征表示冗余特征在模拟图像中重复出现的次数表征了在海明空间下保持特征之间的数据共性。特征的稳定程度,出现次数越多特征越稳定。特征将数据映射为k位的二进制码Y,共需要k挖掘算法在5集合中统计冗余特征出现的频率并个哈希函数进行次海明嵌入。将数据映射为二进据此对特征进行排序,从而获得具有数据共性的特制码的哈希函数可归结为矩阵投影和二值化两个部征。分,定义如下:综上所述,基于数据共性的鲁

7、棒特征挖掘算法Y=sgn(Px+)(2)步骤如下:(1)特征扩展,在全仿射空间下提取模拟其中P是kd的矩阵,是k1向量。式(2)中投图像的特征;(2)特征挖掘,在视觉空间以及向量空影矩阵P和阈值向量是问题求解的关键。间下挖掘具有数据共性的特征。下一节将具有数据2.2模型求解共性的特征表示为二进制码,从而利用共性信息来本节首先介绍投影矩阵的求解过程,即通过定提高特征表示的鲁棒性。义基于数据共性的相似度矩阵,求解有监督的局部保持投影,得到保持特征数据局部结构的投影矩阵,2基于数据共性的二进制码特征表示然后介绍保持数据共性的阈值生成算法。2.2.1投影矩阵求解算法二进制

8、码具有占用

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。