首页|形状的全尺度可视化表示与识别

形状的全尺度可视化表示与识别

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 视觉目标的形状特征表示和识别是图像领域中的重要问题.在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率.针对这些问题,本文提出一种全尺度可视化形状表示方法.方法 在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征.将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示.将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务.结果 通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性.在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法.在MPEG-7数据集上精度达到99.57％,对比算法的最好结果为98.84％.在铰接和射影变换数据集上皆达到100％的识别精度,而对比算法的最好结果分别为89.75％和95％.结论 本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息.通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系.本文方法在视角变化、局部遮挡、铰接变形和噪声等干扰下能保持较高的识别正确率,可应用于图像采集干扰较多以及红外或深度图像的目标识别,并适用于大数据场景下的识别任务.
Visualized all-scale shape representation and recognition

闵睿朋、李一凡、黄瑶、杨剑宇、钟宝江

展开 >

苏州大学轨道交通学院,苏州 215100

苏州大学计算机科学与技术学院, 苏州 215100

形状表示 尺度空间 不变量 形状识别 目标识别 目标检索

国家自然科学基金江苏省六大高峰人才项目

61773272XYDXX-053

2022

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2022.27(2)
  • 1
  • 6