10.13682/j.issn.2095-6533.2016.01.011
图像分块及惰性多示例学习鞋印图像识别
结合图像分块与惰性多示例学习(MIL)给出一种鞋印识别新算法.将整个鞋印图像当作包,根据脚底生物特征比例,采用均匀网格分块的方法将鞋印图像分成15个子块,并提取每个子块的纹理与形状特征,当作包中的示例,将鞋印图像识别问题转化成MIL问题;然后,将推土机距离(EMD)应用到K最近邻(KNN)算法中,得出一种惰性MIL新方法用于鞋印识别.在包含5种不同类型花纹的鞋印库中进行实验,识别正确率可达91.28%,较之基于欧氏距离的KNN算法,识别精度平均提高4.0%.
多示例学习、鞋印图像识别、纹理-形状特征
21
TP391(计算技术、计算机技术)
公安部科技强警基础工作专项基金资助项目2014GABJC022;陕西省自然科学基金资助项目2013JM8031,2015KW-014;陕西省教育厅科学研究计划资助项目15JK1660,15JK1661;中国博士后科研基金资助项目2013M542386
2016-06-03(万方平台首次上网日期,不代表论文的发表时间)
共4页
59-62