图像深度层次特征提取算法

• 作者: 李科 李钦 汤奋 游雄
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 深度层次特征(DHF) 卷积神经网络(CNN) 特征图 特征表达能力
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 论文与报告
• 页码范围: 127-136
• 页数: 10页
• 分类号: TP391
• 字数: 6218字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201702004

摘要

完成众多视觉任务的关键是提取具有较强表达能力的图像特征,传统的图像特征仅描述图像某一方面的信息,表达能力受到很大限制.文中基于卷积神经网络提出图像深度层次特征(DHF)提取算法,通过对图像的层层抽象表达,可以有效挖掘隐藏在图像内部的本质信息.首先基于卷积神经网络产生图像特征图,选取卷积输出层的特征图构建图像阶层结构.然后基于匹配实验选择最佳的层级组合,采用信息熵描述低层级特征图,采用区域平均的方法描述高层级特征图,最终构建具有较强表达能力的DHF特征.实验表明,相比已有特征,DHF特征优势明显,可以高效准确地完成图像匹配任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李钦	郑州测绘学院地理信息工程系	3	50	3.0	3.0
2	游雄	郑州测绘学院地理信息工程系	3	50	3.0	3.0
3	李科	郑州测绘学院地理信息工程系	3	50	3.0	3.0
4	汤奋	郑州测绘学院地理信息工程系	2	34	2.0	2.0