首页 | 本学科首页   官方微博 | 高级检索  
     

基于词包和特征融合的目标识别算法
引用本文:周治平 李文慧 周明珠. 基于词包和特征融合的目标识别算法[J]. 数据采集与处理, 2017, 32(3): 489-496
作者姓名:周治平 李文慧 周明珠
作者单位:江南大学物联网工程学院,无锡,214122
摘    要:针对现有词包模型对目标识别性能的不足,对特征提取、图像表示等方面进行改进以提高目标识别的准确率。首先,以密集提取关键点的方式取代SIFT关键点提取,减少了计算时间并最大程度地描述了图像底层信息。然后采用尺度不变特征变换(Scale-invariant feature transform,SIFT)描述符和统一模式的局部二值模式(Local binary pattern,LBP)描述符描述关键点周围的形状特征和纹理特征,引入K-Means聚类算法分别生成视觉词典,然后将局部描述符进行近似局部约束线性编码,并进行最大值特征汇聚。分别采用空间金字塔匹配生成具有空间信息的直方图,最后将金字塔直方图相串联,形成特征的图像级融合,并送入SVM进行分类识别。在公共数据库中进行实验,实验结果表明,本文所提方法能取得较高的目标识别准确率。

关 键 词:词包模型;目标识别;形状特征;纹理特征

Object Recognition Algorithm Based on Bag of Words and Feature Fusion
Zhou Zhiping,Li Wenhui,Zhou Mingzhu. Object Recognition Algorithm Based on Bag of Words and Feature Fusion[J]. Journal of Data Acquisition & Processing, 2017, 32(3): 489-496
Authors:Zhou Zhiping  Li Wenhui  Zhou Mingzhu
Affiliation:School of Internet of Things Engineering, Jiangnan University, Wuxi, 214122, China
Abstract:
Keywords:bag of words   object recognition   shape features   texture features
点击此处可从《数据采集与处理》浏览原始摘要信息
点击此处可从《数据采集与处理》下载全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号