基于Gabor和LIOP特征的多视角目标识别

摘要：

针对被检测目标在视角变化和遮挡时较难识别的问题，提出联合利用Gabor特征和视角变换时共有的LIOP特征对目标进行多角度识别的新算法。首先，用4个方向、16个尺度的二维Gabor滤波器组对输入图像进行滤波，得到64组含有方向信息的Gabor特征响应图，进而对相邻尺度和相应位置计算局部响应最大值，得到具有尺度及平移不变的特征向量。其次，通过几何变换算法获得不同视角下的LIOP特征向量。然后，为了降低时间复杂度，通过主成分分析算法对联合特征降维。最后，把降维后的特征向量输入支持向量机(SVM)进行训练学习，得到检测器模型。为了定量评估算法精度和鲁棒性，在Caltech-101和UIUC car两个标准数据库进行测试，实验结果表明，本文在两个标准数据集上的平均识别率分别达到了92.1%和95.4%，能较好检测不同尺度、不同角度的目标。

关键词：Gabor特征、LIOP特征、支持向量机、目标识别

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61205004；中科院科技创新基金资助项目A08K001

在线出版日期：2014-12-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：10-15