基于多尺度CRF朝向敏感性的形状特征表示方法

摘要：

图像中物体的轮廓是稳定的,是旋转、平移和尺度等不变性识别的基础.本文对初级视皮层的神经元细胞进行建模,借鉴神经元方位选择性提取图片朝向信息,实现更接近大脑感知的形状特征表示策略.首先,以线段为基元表征物体的几何特征,引入朝向强度与尺度空间来获取更丰富的轮廓信息;其次,利用神经编码稀疏性指标,改进朝向关系匹配方法和尺度融合策略,获得了表示能力更强的图像形状特征.实验表明,基于该特征表示策略的形状检索算法实现了更高的检索正确率,在存在遮挡和噪声干扰情况下,本文方法表现出更好的鲁棒性.

关键词：形状特征表示、多尺度融合、方位选择性、几何特征提取、图像表征

所属期刊栏目：52

分类号：TP391.41;P208;R734.2

资助基金：国家重点研发计划;国家自然科学基金;国家自然科学基金

在线出版日期：2022-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：682-688