基于词包和特征融合的目标识别算法

• 作者: 周明珠 周治平 李文慧
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 词包模型 目标识别 形状特征 纹理特征
• 年，卷（期）: 2017,（3）
• 页码范围: 489-496
• 页数: 8页
• 分类号: TP391
• 字数: 5083字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2017.03.007

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周治平	江南大学物联网工程学院	105	522	11.0	16.0
2	周明珠	江南大学物联网工程学院	4	24	2.0	4.0
3	李文慧	江南大学物联网工程学院	5	28	2.0	5.0