改进卷积自编码器的局部特征描述算法

• 作者: 周来恩 王晓丹 翟夕阳 贾琪
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 非监督学习 特征描述 卷积自编码器 信息熵
• 年，卷（期）: 2017,（19）
• 所属期刊栏目: 图形图像处理
• 页码范围: 184-191,215
• 页数: 9页
• 分类号: TP391.4
• 字数: 6860字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0348

摘要

针对非监督学习方法提取的底层特征用于特征描述时可区分性不强,对图像旋转、尺度等变换敏感的问题,提出了一种改进卷积自编码器的局部特征描述算法(Convolutional Auto-Encoder Descriptor,CAE-D).CAE-D算法利用信息熵评价卷积核性能,提出在CAE中添加卷积核信息熵约束规则,通过均值化卷积核携带的局部特征信息,提升卷积特征描述的可区分性;在特征描述前使用传统SIFT中主方向分配算法确定局部图像的主方向,并引入降采样操作,进一步提升特征描述的旋转不变性及鲁棒性.图像匹配实验结果验证了改进策略的有效性,CAE-D算法优于当前先进的KAZE、SIFT,而运行时间相比SIFT缩短了47.14%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晓丹	空军工程大学防空反导学院	135	1447	21.0	31.0
2	翟夕阳	空军工程大学防空反导学院	13	34	4.0	5.0
3	贾琪	空军工程大学防空反导学院	7	19	3.0	4.0
4	周来恩	空军工程大学防空反导学院	5	39	3.0	5.0