改进的旋转不变区域纹理谱描述符

针对区域纹理谱描述符不具备旋转不变性的问题,引入了旋转不变算符,对局域纹理谱描述符进行了改进.采用区域纹理谱直方图捕述图像统计纹理特征,采用局部旋转不变量描述不同区域变化特征,然后融合两种特征作为索引并进行图像检索.采用3种不同类型的图像库对本文方法的检索效果进行了详细比较.实验结果表明,本文提出的旋转不变纹理谱描述符...     

基于颜色索引相关统计的彩色图像特征提取

提出了一种基于颜色索引相关统计的彩色图像特征提取(CILCS)方法。图像的像素颜色值被稀疏表示成类似直方图的索引形式,将相关计算应用到特征提取中,计算图像颜色分布规律在局部和整体的相关性,并结合数值统计最终得到具有一定旋转、尺度和平移不变特性的特征向量,能更有效地表示颜色纹理特征。经图像检索和图像分类的实验表明,本文方法能有效提高图像检索和图像分类的精确度。     

基于异质局部特征的图像稀疏表示

为了有效描述图像的多角度视觉内容,提出一种将图像异质局部特征集通过稀疏学习映射为图像全局稀疏表示的新方法.该方法从不同的训练特征集中学习超完备视觉词典,经过局部稀疏编码、最大值合并、加权联接及归一化等一系列处理步骤融合多种局部特征的互补信息,最终形成一个高维稀疏向量来描述图像的多角度视觉内容.将其应用于基于内容的图像检索(CBIR)任务中,实验结果表明,这种基于异质局部特征学习而来的图像全局稀疏表示解决了单一局部特征集描述图像的局限性和高维局部特征集相似性度量时空复杂度高的问题.     

基于非负稀疏编码的图像检索及应用

针对图像理解中所需的图像检索,提出了一种新的图像检索方法。该方法将非负稀疏编码引入到ScSPM算法中进行图像的特征提取和表示,计算特征表示后图像之间的欧氏距离并排序。实验结果表明该方法在图像理解中能够有效地检索相关图像。     

基于改进方向纹理谱特征的图像检索

在定义图像局部邻域纹理方向特性的基础上,提出了一种新的方向纹理谱描述符。该描述符针对局部邻域内中心像素与其相对的邻域像素,既充分考虑了它们间的灰度变化关系,又考虑了它们间灰度差异的变化关系,从而更有效地描述了局部纹理特征。为证明新描述符的分辨能力,采用4种不同图像库进行图像检索对比实验,结果表明,本文的新纹理谱描述符取得了最好的检索效果。     

一种旋转不变特征描述符

提出一种基于图像梯度旋转直方图(RHG,rotation histogram of gradients)的快速计算旋转不变特征描述符算法。RHG描述符使用直方图旋转的方法获得旋转不变性,采用直方图加权合并的方法降低边界效应引起的描述符统计矢量的突变。RHG描述符将特征点主方向的计算与描述符的计算合并,提高了计算效率。RHG描述符在图像存在尺度改变、3维视角变化引起的变形、旋转变化、照度改变和噪声等因素的影响下,具有较强的鲁棒性。RHG描述符的性能与尺度不变特征变换(SIFT,scale invariant feature transform)描述符相近,但计算速度提高2倍以上。     

基于深度分层特征表示的行人识别方法

该文针对行人识别中的特征表示问题,提出一种混合结构的分层特征表示方法,这种混合结构结合了具有表示能力的词袋结构和学习适应性的深度分层结构。首先利用基于梯度的HOG局部描述符提取局部特征,再通过一个由空间聚集受限玻尔兹曼机组成的深度分层编码方法进行编码。对于每个编码层,利用稀疏性和选择性正则化进行无监督受限玻尔兹曼机学习,再应用监督微调来增强分类任务中视觉特征表示,采用最大池化和空间金字塔方法得到高层图像特征表示。最后采用线性支持向量机进行行人识别,提取深度分层特征遮挡等与目标无关部分自然分离,有效提高了后续识别的准确性。实验结果证明了所提出方法具有较高的识别率。     

基于块稀疏贝叶斯学习的SAR图像目标方位角估计方法

提出了一种基于块稀疏贝叶斯学习的合成孔径雷达（Synthetic aperture radar,SAR）图像目标方位角估计方法。SAR图像具有较强的方位角敏感性,因此对于具有某一方位角的SAR图像仅能与其具有相近方位角的样本具有较高的相关性。方法基于稀疏表示的基本思想,首先对所有训练样本按照方位角顺序排列为全局字典。在此条件下,待估计样本在该字典上的线性表示系数具有块稀疏特性,即非零表示系数主要聚集在字典上的某一局部区域。求解得到的块稀疏位置包含的训练样本可以有效地反映待估计样本的方位角信息。采用块稀疏贝叶斯学习（Block sparse Bayesian learning, BSBL）算法求解全局字典上的稀疏表示系数,并根据具有最小重构误差的原则获得最佳的局部分块。在获取最佳分块的基础上,方位角计算方法采用线性加权的方式综合了该分块区间内所有训练样本的方位角信息从而获得更为稳健的估计结果。所提出的方法在充分考察SAR图像方位角敏感性的基础上,综合运用局部区间内样本的有效信息,避免了基于单一样本估计的不确定性。为了验证所提出方法的有效性,基于Moving and stationary target acquisition and recognition （MSTAR）数据集进行了方位角估计实验并与几类经典方法进行对比分析。实验结果验证了所提出方法的性能优势。     

基于支持向量回归的图像超分辨率重建算法

文章提出一种新的基于支持向量回归(SVR)和稀疏表示的图像超分辨重建算法。SVR对输入数据有良好预测输出类别能力。图像统计表明,图像块可以从过完备字典中通过稀疏线性组合很好的表示。对一幅低分辨率输入图像,可以将图像超分辨问题视为在高分辨图像中估计其像素位置。与传统的支持向量回归方法相比,本文采用的特征是不同类型的图像块的稀疏表示。研究表明,稀疏表示作为特征对噪声有一定的鲁棒性。实验结果表明,本文方法与传统支持向量回归方法相比在图像重建质量上有一定的优势。     

基于稀疏随机投影的SIFT医学图像配准算法

针对尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法在关键点特征描述向量阶段计算复杂并且维数较高的现象,提出了一种基于压缩感知理论的SIFT算法。通过压缩感知理论的稀疏特征表示方法,对SIFT关键点特征向量进行提取,将高维梯度导数向量降到低维的稀疏特征向量,降低了关键点描述向量维度。采用欧式距离作为关键点的相似性度量, Best-Bin-First(BBF)数据结构避免穷举,使数据的运算量大为减少。实验结果表明,新算法对存在仿射变换的医学图像配准性能优于传统SIFT算法,与当前改进型的SIFT算法相比,本文算法的实时性明显增强。     

改进的图像局部特征区域描述方法

针对描述子的性能与维数相矛盾的问题,提出了一种顽健的图像局部特征区域的描述方法。首先按照像素排序将局部特征区域分割为若干个子区域,然后利用基于阈值的分段局部描述子设计方法计算描述子,并采用纹理谱加权方法累加局部描述子得到子区域描述子,最后连接各部分子区域描述子得到最终的特征描述子。该方法综合了全局信息和局部信息,在保证描述子维数较小时对噪声具有一定的顽健性。实验结果表明该方法不仅对单调强度变化和旋转变化具有不变性,而且对其他几何和光学变换具有较好的顽健性。     

基于CSR和能量特征的红外与可见光图像融合

传统稀疏表示(SR)分块处理策略降低了图像连续性,使得特征信息损失严重。因此,提出了基于卷积稀疏表示(CSR)和能量特征的红外与可见光图像融合算法。该算法将非下采样轮廓波变换(NSCT)域低频子带分解成低频基础分量和细节特征分量,使用局部拉普拉斯能量法(LLE)和卷积稀疏表示分别进行融合,获得低频子带融合图像。同时,根据底层视觉特征构建新活性度量方法来融合高频子带,最后对高、低频部分进行NSCT反变换重建。实验结果表明:该算法有效结合了源图像的边缘纹理信息,在主观和客观评价上皆优于现有的大部分算法。