基于支持向量机的图像语义分类

图像的低层可视特征与高层语义特征之间存在着一道鸿沟,人们不能直接理解由计算机自动生成的低层特征.另外,基于内容的图像分类和检索的性能极大地依赖于可视特征的提取和描述.出于这些考虑,提出了新的图像纹理、边缘描述子提取方法,并将它们表示为直方图.在此基础上,集成纹理、边缘和颜色直方图作为图像的特征向量,用支持向量机(SVM)实现图像的语义分类.实验结果表明,集成的图像特征表示在图像分类实验中取得了很好的效果,具有比其他特征表示(如Gabor纹理、颜色直方图)更好的性能.  

一种新的局部不变特征检测和描述算法

局部不变特征已经被成功地用来解决计算机视觉领域诸多实际问题.文中提出一种新的局部不变特征检测和描述算法,提取出的特征能够对旋转、尺度缩放、光照等变化,甚至弱仿射变换保持不变.一般说来,局部特征的提取分为特征检测和描述两个关键步骤.在特征检测阶段,首先在每一层尺度图像上提取Harris角点,然后在以Harris角点为中心的固定大小的搜索窗内搜索三维尺度空间的极值点作为局部特征点的位置和特征尺度,最后为每个特征点计算主方向.文中的特征检测算法具有良好的可重复率性能.在特征描述阶段,建立了梯度的距离和方向直方图来描述局部特征,文中的特征描述子不但具有良好的匹配性能,而且维数更低,十分有利于提高图像特征的匹配速度.大量的图像匹配与图像检索实验结果验证了文中算法的有效性.  

局部二进制模式方法综述

目的 局部二进制模式(LBP)是一种理论简单、计算高效的非参数局部纹理特征描述子。由于其具有较高的特征鉴别力和较低的计算复杂度,因此近期获得了越来越多的关注,在图像分析、计算机视觉和模式识别领域得到了广泛的应用,尤其是在纹理分类和人脸识别两个经典的模式识别问题中,LBP方法得到充分的研究和发展。鉴于LBP的理论意义和实用价值,为了使国内外同行对LBP方法有一个较为全面的了解,对其进行系统总结。方法 在广泛文献调研的基础上,主要以纹理分类和人脸识别为应用背景,系统综述了LBP及现有各种LBP各种改进方法,从每种方法的研究动机、解决思路和方法特点及性能等方面进行总结。结果 首先,回顾了LBP方法的发展历程,综述了LBP及其众多改进方法的基本原理,系统梳理和评述了各种LBP方法的优势与不足,并在统一框架下对各种LBP方法进行分类总结;然后,综述了LBP及其各种改进方法在纹理分类和人脸识别中的应用研究,并总结了一些方法在基准数据库上达到的最高分类正确率;最后,凝练出LBP方法进一步的发展方向。结论 LBP方法的研究仍然是计算机视觉和模式识别领域倍受青睐的热点研究领域,仍然有更多低存储、快速的二值特征描述子被提出,LBP方法的应用领域仍在继续拓展。  

基于梯度角度的直方图局部特征描述子的图像匹配算法

针对传统的局部特征描述子在图像匹配效果和效率上很难兼顾的问题,提出了一种基于梯度角度的直方图(HGA)的图像匹配算法.该算法先通过加速片段测试特征(FAST)荻取的图像关键点,然后采用块梯度计算和飞镖靶型结构对局部区域的结构特征进行描述.HGA有效地实现了在旋转、模糊、亮度等多种变换下的良好匹配性能,并在一定程度上具备抗仿射变换的能力.在各种复杂场景下,与高速鲁棒描述子(SURF)、尺度不变特征转换(SIFT)和FAST定向的抗旋转二进制鲁棒独立基元特征(BRIEF)描述子(ORB)进行的实验对比表明基于梯度角度的直方图局部特征描述子达到了匹配效果和效率的均衡,算法时间约为SIFT的1/3,点对匹配准确率均在94.5％以上.  

多尺度特征提取的双目视觉匹配

提出一种基于多尺度特征提取的双目视觉匹配算法，旨在提高传统算法的实时性和鲁棒性。该算法通过设计出一种基于尺度因子变化的高斯核模板尺寸自适应调整以及双目视图的双向配准的办法，以改善特征点匹配效率和精度。实验证明，多尺度特征提取算法能够有效而快速地完成双目视图的特征点匹配。  

RBFD：一种鲁棒的图像局部二值特征描述子

针对传统浮点型特征描述子占用空间大、匹配速度慢的问题，提出一种基于梯度统计信息比较的局部二值特征描述子。通过对比特征点邻域梯度统计信息生成二值特征描述子，再利用多邻域和多分块策略提高描述子判别力，最后通过近似简化的 AdaBoost 算法实现描述子降维。实验结果表明，与已有描述子相比，文中提出的描述子在实现快速生成的同时其鲁棒性更强。  

通用对象识别技术

遵循通用对象识别系统的一般框架,重点讨论了各种特征区域选取、特征区域描述技术,比较了几种主流的识别模型和模型的训练方法,并介绍了对象识别系统的性能评估方法及其常用数据集,最后分析了未来可能的研究发展方向。  

二值化的SIFT特征描述子及图像拼接优化

目的 针对SIFT算法计算复杂度高、存储开销大和近几年提出的BRIEF（binary robust independent elementary features）、ORB（oriented BRIEF）、BRISK（binary robust invariant scalable keypoints）和FREAK（fast retina keypoint）等二进制描述子可区分性弱和鲁棒性差的问题，提出基于SIFT的二进制图像局部特征描述子。方法 首先，对传统SIFT的特征空间和特征向量分布在理论和实验上进行分析，在此基础上结合二进制特征描述子的优势对SIFT进行改进。不同于传统的二进制特征描述子，本文算法对传统SIFT特征向量在每一维上的分量进行排序后，以该特征向量的中值作为量化阈值，将高维浮点型SIFT特征向量转化成位向量得到二进制特征描述子。并使用易于计算的汉明距离代替欧氏距离度量特征点间的相似性以提高匹配效率。然后，在匹配阶段将二进制特征描述子分为两部分并分别对其进行匹配，目的是通过初匹配剔除无效匹配特征点来进一步缩短匹配时间。最后，对提出的量化算法的可区分性及鲁棒性进行验证。结果 该量化算法在保持SIFT的较强的鲁棒性和可区分性的同时，达到了低存储、高匹配效率的要求，解决了SIFT算法的计算复杂度高、二进制描述子鲁棒性和可区分性差的问题。此外，在匹配阶段平均剔除了77.5%的无效匹配特征点，减少了RANSAC（random sample consensus）的迭代次数。结论 本文提出的量化算法可用于快速匹配和快速图像拼接中，提高匹配和拼接效率。  

利用多层视觉网络模型进行图像局部特征表征的方法

为了寻求代价更小、效率更高、适应性更强的图像局部特征表征方法,提出一种基于视觉机制的多层网络计算模型.首先对初级视皮层中的简单细胞和复杂细胞等神经元进行建模;然后对腹侧视通路上的V4区神经元和下颞叶皮层区神经元的响应模式进行研究,并利用该计算模型对输入图像进行局部特征的表征.实验结果表明,与传统的图像特征描述方法相比,该模型所提取的图像局部特征具有足够的区分度;此外,利用生物视觉模型提取出的图像局部特征在具有复杂背景的场景中显示出了更加优秀的泛化能力.  

基于MPEG-7的多媒体搜索引擎构建*

介绍了多媒体搜索引擎的工作原理，叙述了搜索引擎的系统结构以及各模块的具体实现， 最后讨论了MPEG-7搜索引擎的特点和潜在应用价值。