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:
研究了基于层次形状特征提取的图像分类.针对从初级视觉皮层(V1)提取的条形特征对目标形状的描述不充分,提出了一种层次模型(V1-V2-V4),以进一步提取角形、曲率特征.模型中V1层的条形特征提取采用Gabor模拟;V2层结合了抑制噪声的3D高斯差分(DOG),并使用滤波方向相差90度的Gabor滤波器组提取多尺度角形特征;V4层通过曲率域计算来描述目标轮廓的形变程度,并最终提取融合曲率与梯度方向的直方图特征.该模型的优势在于,通过角形以及曲率计算的层次表达,可有效增强目标形状的关键特征点(如角点位置)的提取,并且结合曲率与梯度的直方图描述,也可有效弥补单一曲率或梯度特征局部描述不足的问题.在MNIST手写数字与21类遥感影像上的实验表明,曲率与梯度的融合特征的运用可获得98.94%的数字识别精度,同时在遥感影像分类中也可获得较好的分类效果.
推荐文章
多模复杂网络模型的形状特征提取方法
特征提取
复杂网络
内部距离
动态演化
基于层次特征提取的文本分类研究
文本
层次特征提取
文本向量表达
文本分类
基于机器视觉的图像形状特征提取方法研究进展
机器视觉
阈值处理
轮廓形状特征提取
区域形状特征提取
图像颜色特征提取及其分类研究
图像颜色特征
深度学习
图像分类
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 基于层次形状特征提取模型的图像分类
来源期刊 高技术通讯 学科
关键词 腹侧通路 形状特征 曲率 层次性 图像分类
年,卷(期) 2016,(1) 所属期刊栏目 计算机与通信技术
研究方向 页码范围 81-88
页数 8页 分类号
字数 4917字 语种 中文
DOI 10.3772/j.issn.1002-0470.2016.01.011
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 方涛 上海交通大学自动化系控制与信息处理教育部重点实验室 79 1195 20.0 30.0
2 霍宏 上海交通大学自动化系控制与信息处理教育部重点实验室 43 473 12.0 20.0
3 刘娜 上海交通大学自动化系控制与信息处理教育部重点实验室 5 20 2.0 4.0
4 张盛博 上海交通大学自动化系控制与信息处理教育部重点实验室 3 12 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (14)
共引文献  (1)
参考文献  (12)
节点文献
引证文献  (12)
同被引文献  (61)
二级引证文献  (11)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
1999(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(4)
  • 参考文献(3)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(3)
  • 参考文献(2)
  • 二级参考文献(1)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(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)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(10)
  • 引证文献(6)
  • 二级引证文献(4)
2020(5)
  • 引证文献(1)
  • 二级引证文献(4)
研究主题发展历程
节点文献
腹侧通路
形状特征
曲率
层次性
图像分类
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
高技术通讯
月刊
1002-0470
11-2770/N
大16开
北京市三里河路54号
82-516
1991
chi
出版文献量(篇)
5099
总下载数(次)
14
总被引数(次)
39217
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
论文1v1指导