字典重建和空间分布关系约束下的特征选择与图像拼接
目的 针对大型图像检索领域中,复杂图像中SIFT特征描述子的冗余和高维问题,提出了一种基于字典重建和空间分布关系约束的特征选择的方法,来消除冗余特征并保留最具表现力的、保留原始空间结构性的SIFT特征描述子.方法 首先,实验发现了特征选择和字典学习方法在稀疏表示方面的内在联系,将特征选择问题转化为字典重构任务;其次,在SIFT特征选择问题中,为了保证特征空间中特征的鲁棒性,设计了新型的字典学习模型,并采用模拟退火算法进行迭代求解;最后,在字典学习的过程中,加入熵理论来约束特征的空间分布,使学习到的特征描述子能最大限度保持原始SIFT特征空间的空间拓扑关系.结果 在公开数据集Holiday大型场景图片检索数据库上,通过与国际公认的特征选择方法进行实验对比,本文提出的特征选择方法在节省内存空间和提高时间效率(30％～50％)的同时,还能保证所筛选的特征描述子的检索准确率比同类特征提高8％～14.1％;在国际通用的大型场景图片拼接数据库IPM上,验证本文方法在图像拼接应用中特征提取和特征匹配上的有效性,实验表明本文方法能节省(50％～70％)图像拼接时间.结论 与已有的方法比较,本文的特征选择方法既不依赖训练数据集,也不丢失重要的空间结构和纹理信息,在大型图像检索、图像拼接领域和3D检索领域中,能够精简特征,提高特征匹配效率和准确率.
特征选择、字典重建、熵空间分布约束、大规模图像检索、图像拼接
23
TP301.6(计算技术、计算机技术)
国家自然科学基金项目61379106,61379082,61227802;山东省自然科学基金项目ZR2013FM036,ZR2015FM011;浙江大学CAD&CG重点实验室开放基金项目A1315.National Natural Science Foundation of China61379106,61379082,61227802;Natural Science Foundation of Shandong ProvinceZR2013FM036,ZR2015FM011;Open Project Program of the State Key Lab of CAD&CGA1315
2018-06-15（万方平台首次上网日期，不代表论文的发表时间）
共10页
698-707
