發(fā)布時間：2018-05-21 16:48

  本文選題：稀疏編碼 + 黎曼幾何��； 參考：《自動化學(xué)報》2017年05期

【摘要】：針對視覺詞袋(Bag-of-visual-words,BOVW)模型直方圖量化誤差大的缺點,提出基于稀疏編碼的圖像檢索算法.由于大多數(shù)圖像特征屬于非線性流形結(jié)構(gòu),傳統(tǒng)稀疏編碼使用向量空間對其度量必然導(dǎo)致不準(zhǔn)確的稀疏表示.考慮到圖像特征空間的流形結(jié)構(gòu),選擇對稱正定矩陣作為特征描述子,構(gòu)建黎曼流形空間.利用核技術(shù)將黎曼流形結(jié)構(gòu)映射到再生核希爾伯特空間,非線性流形轉(zhuǎn)換為線性稀疏編碼,獲得圖像更準(zhǔn)確的稀疏表示.實驗在Corel1000和Caltech101兩個數(shù)據(jù)集上進行,與已有的圖像檢索算法對比,提出的圖像檢索算法不僅提高了檢索準(zhǔn)確率,而且獲得了更好的檢索性能.
[Abstract]:Aiming at the disadvantage of large quantization error in the histogram of Bag-of-Visual words (BOVW) model, an image retrieval algorithm based on sparse coding is proposed. Because most of the image features belong to nonlinear manifold structure, the traditional sparse coding uses vector space to measure them, which inevitably leads to inaccurate sparse representation. Considering the manifold structure of the image feature space, the symmetric positive definite matrix is selected as the feature descriptor to construct the Riemannian manifold space. The Riemannian manifold structure is mapped to the reproducing kernel Hilbert space by using the kernel, and the nonlinear manifold is transformed into linear sparse coding to obtain a more accurate sparse representation of the image. Compared with the existing image retrieval algorithms, the proposed image retrieval algorithm not only improves the retrieval accuracy, but also achieves better retrieval performance.
【作者單位】： 西北工業(yè)大學(xué)理學(xué)院;陜西科技大學(xué)文理學(xué)院;
【基金】：國家自然科學(xué)基金(61201323)資助~~
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 晁永國;戴芳;韓舒然;何靜;;改進的非負(fù)稀疏編碼圖像基學(xué)習(xí)算法[J];計算機工程與科學(xué);2010年01期

2 謝堯芳;蘇松志;李紹滋;;基于稀疏編碼的遷移學(xué)習(xí)及其在行人檢測中的應(yīng)用[J];廈門大學(xué)學(xué)報(自然科學(xué)版);2010年02期

3 郎利影;夏飛佳;;人臉識別中的零范數(shù)稀疏編碼[J];應(yīng)用科學(xué)學(xué)報;2012年03期

4 程東陽;蔣興浩;孫錟鋒;;基于稀疏編碼和多核學(xué)習(xí)的圖像分類算法[J];上海交通大學(xué)學(xué)報;2012年11期

5 鄒柏賢;苗軍;;自然圖像稀疏編碼模型研究綜述[J];鄭州大學(xué)學(xué)報(工學(xué)版);2013年03期

6 劉偉鋒;劉紅麗;王延江;;基于多分離部件稀疏編碼的人臉圖像分析[J];模式識別與人工智能;2013年11期

7 張抒;蔡勇;解梅;;基于局部區(qū)域稀疏編碼的人臉檢測[J];軟件學(xué)報;2013年11期

8 單桂軍;廖建鋒;;最大似然稀疏編碼在人臉識別中的研究[J];電視技術(shù);2013年23期

9 王瑞霞;彭國華;鄭紅嬋;;拉普拉斯稀疏編碼的圖像檢索算法[J];計算機科學(xué);2014年08期

10 錢樂樂;高雋;謝昭;;一種融合神經(jīng)稀疏編碼機制的層次目標(biāo)識別算法[J];中國圖象圖形學(xué)報;2010年10期

相關(guān)會議論文 前2條

1 尚麗;;使用正態(tài)可逆高斯密度模型的非負(fù)稀疏編碼收縮技術(shù)實現(xiàn)圖像消噪[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

2 劉揚;程健;盧漢清;;基于目標(biāo)局部特征的遷移式學(xué)習(xí)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 孫宇平;基于稀疏表征和自相似性的視覺數(shù)據(jù)識別關(guān)鍵技術(shù)及應(yīng)用[D];華南理工大學(xué);2015年

2 呂京磊;基于功能磁共振成像的大腦架構(gòu)表達的研究[D];西北工業(yè)大學(xué);2016年

3 王婧;面向在線環(huán)境的數(shù)據(jù)編碼問題研究[D];合肥工業(yè)大學(xué);2015年

4 李清勇;視覺感知的稀疏編碼理論及其應(yīng)用研究[D];中國科學(xué)院研究生院（計算技術(shù)研究所）;2006年

5 季昊;稀疏編碼研究及其在模式識別中的應(yīng)用[D];北京郵電大學(xué);2012年

6 孫俊;人臉圖像分析和識別方法研究[D];清華大學(xué);2001年

7 朱秋平;基于稀疏編碼的織物瑕疵檢測算法研究[D];武漢大學(xué);2014年

8 謝錦生;基于動態(tài)感知與異常注意的目標(biāo)描述方法研究[D];中國科學(xué)技術(shù)大學(xué);2012年

9 劉小白;圖像及視頻語義解析的關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2012年

10 丁昕苗;基于多示例學(xué)習(xí)的恐怖視頻識別技術(shù)研究[D];中國礦業(yè)大學(xué)（北京）;2013年

相關(guān)碩士學(xué)位論文 前10條

1 柏文強;基于局部特征提取和稀疏編碼的人臉識別算法研究[D];燕山大學(xué);2015年

2 李明;目標(biāo)檢測與識別算法研究與應(yīng)用[D];中央民族大學(xué);2015年

3 許濤;面向視頻管理的指紋特征提取技術(shù)研究[D];電子科技大學(xué);2015年

4 謝易道;大規(guī)模人臉圖像編碼及其在人臉驗證中的應(yīng)用研究[D];電子科技大學(xué);2015年

5 勾珍珍;基于空間約束和稀疏編碼的高光譜圖像分類[D];西安電子科技大學(xué);2014年

6 張文義;基于智能監(jiān)控系統(tǒng)的圖像質(zhì)量增強算法的研究[D];南京郵電大學(xué);2015年

7 丁文秀;基于分層深度學(xué)習(xí)的行人分類方法研究[D];合肥工業(yè)大學(xué);2015年

8 賀兵;基于稀疏編碼哈希的跨模多媒體檢索[D];安徽大學(xué);2016年

9 申丹飛;基于篩選稀疏編碼的多特征融合圖像分類方法[D];華東師范大學(xué);2016年

10 孟浩浩;基于秩限制的聯(lián)合字典學(xué)習(xí)[D];北京理工大學(xué);2016年

，

本文編號：1919991