基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
场景识别是移动机器人实现拓扑导航的关键.针对未知环境,提出一种基于视觉局部显著区域的自然场景识别方法.首先.提出带反馈的显著性检测模型(FSDM)自底向上进行图像分析;然后,根据显著位置,基于分形实现自动尺度选择,以构造合适尺寸的局部显著区域.对场景图像中的显著区域采用梯度方向、二阶不变矩、归一化色调3种特征进行不变性表示,并根据其匹配率实现场景识别.实验结果表明,FSDM具有较高的显著性检测精度.而且室内室外环境的多次场景识别实验也表明,该方法与全局外观方法相比能够更好地容忍尺度、视角等变化引起的差异,静态场景识别具有较高的准确性.
推荐文章
自然场景下的交通标志识别系统
智能交通
交通标志识别系统
绿色减除分割算法
Gist-RGB特征
极限学习机
局部感受野
基于ArcFace的自然场景人脸识别系统设计及改进
人工智能
图像增强
人脸识别
深度学习
损失函数
数据集
基于多尺度显著区域特征学习的场景识别
深度学习
特征学习
场景分析
场景识别
迁移学习
基于DPM的自然场景下汉字识别方法
可变部件模型
汉字识别
隐支持向量机
高斯金字塔模型
滑动窗口
HOG描述子
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于局部显著区域的自然场景识别
来源期刊 中国图象图形学报 学科 工学
关键词 场景识别 局部显著区域 带反馈的显著性检测模型 尺度选择 分形维数
年,卷(期) 2008,(8) 所属期刊栏目 "2007全国模式识别学术会议"专栏
研究方向 页码范围 1594-1600
页数 7页 分类号 TP391.41
字数 5873字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 王璐 中原工学院计算机学院 20 138 6.0 11.0
2 蔡自兴 中南大学信息科学与工程学院智能所 393 7036 40.0 69.0
3 陆筱霞 中原工学院计算机学院 4 45 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (16)
共引文献  (52)
参考文献  (5)
节点文献
引证文献  (35)
同被引文献  (40)
二级引证文献  (38)
1984(2)
  • 参考文献(1)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(2)
  • 参考文献(2)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2010(6)
  • 引证文献(5)
  • 二级引证文献(1)
2011(6)
  • 引证文献(5)
  • 二级引证文献(1)
2012(5)
  • 引证文献(3)
  • 二级引证文献(2)
2013(3)
  • 引证文献(1)
  • 二级引证文献(2)
2014(7)
  • 引证文献(4)
  • 二级引证文献(3)
2015(6)
  • 引证文献(2)
  • 二级引证文献(4)
2016(6)
  • 引证文献(2)
  • 二级引证文献(4)
2017(8)
  • 引证文献(4)
  • 二级引证文献(4)
2018(13)
  • 引证文献(4)
  • 二级引证文献(9)
2019(8)
  • 引证文献(3)
  • 二级引证文献(5)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
场景识别
局部显著区域
带反馈的显著性检测模型
尺度选择
分形维数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国图象图形学报
月刊
1006-8961
11-3758/TB
大16开
北京9718信箱
82-831
1996
chi
出版文献量(篇)
5906
总下载数(次)
17
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导