基于视觉显著性特征的快速场景配准方法
视觉显著性特征是模拟生物视觉注意力选择机制的一种具有较好的鲁棒性与不变性的视觉特征.基于视觉显著性特征提出了一种快速的场景配准方法.该方法采用调幅傅里叶变换构造视觉显著性映射;通过对显著特征局部极值特性以及信息丰度的分析,实现显著点的粗定位、预选择与可信度排序;通过图像形态学操作,实现了显著场景区域的生长与合并.在此基础上,提出了SSIFT(saliency scale invariant feature transform)算法,从而减少了场景分类算法的计算量.利用本文方法对美国南加州大学的场景数据库进行测试,实验结果表明这种方法提取的SSIFT特征对于图像的平移、旋转以及光照等变化具有良好的不变性;与经典SIFT算法相比,该方法在计算速度上具有明显的优势,并在识别率上也略优于SIFT算法.
场景分类、视觉显著性特征、视觉注意力选择、图像熵、尺度不变特征变换(SIFT)
16
TP391.41(计算技术、计算机技术)
国家自然科学基金项目60874103,61005032;教育部基本科研业务费培育种子基金项目90404001
2011-11-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
1241-1247