-
公开(公告)号：CN102629328B
公开(公告)日：2013-10-16
申请号：CN201210062379.X
申请日：2012-03-12
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 融合颜色的显著特征概率潜在语义模型物体图像识别方法属于图像识别技术领域，其特点在于，利用SIFT算法提取图像的局部显著特征，同时加入颜色特征，生成HSV_SIFT特征，并引入TF-IDF权重信息进行特征重构，使局部显著特征更具有区分度，利用潜在语义特征模型得到图像潜在语义特征，最后采用最近邻KNN分类器进行分类。本发明既考虑了图像的彩色信息，又充分考虑了视觉单词在整个图像集合中的分布情况，使物体的局部显著特征更具有可区分性，提高了识别能力。
-
公开(公告)号：CN102629328A
公开(公告)日：2012-08-08
申请号：CN201210062379.X
申请日：2012-03-12
Applicant: 北京工业大学
IPC: G06K9/62
Abstract: 融合颜色的显著特征概率潜在语义模型物体图像识别方法属于图像识别技术领域，其特点在于，利用SIFT算法提取图像的局部显著特征，同时加入颜色特征，生成HSV_SIFT特征，并引入TF-IDF权重信息进行特征重构，使局部显著特征更具有区分度，利用潜在语义特征模型得到图像潜在语义特征，最后采用最近邻KNN分类器进行分类。本发明既考虑了图像的彩色信息，又充分考虑了视觉单词在整个图像集合中的分布情况，使物体的局部显著特征更具有可区分性，提高了识别能力。
-
公开(公告)号：CN102609719A
公开(公告)日：2012-07-25
申请号：CN201210017692.1
申请日：2012-01-19
Applicant: 北京工业大学
Abstract: 一种基于改进概率主题模型的地点图像识别方法，属于图像识别技术领域。目的在于更好地解决地点图像识别中由于不同角度、光照，以及人物和物体的高度动态变化导致的不确定性问题。包括以下步骤：图像获取步骤；图像预处理步骤；特征提取步骤，采用SIFT算法对图像进行特征提取；特征聚类步骤，将所有特征聚类，得到若干聚类中心；特征分配步骤，将每幅图像的特征在聚类中心上投票，得出对应每个聚类中心的频数向量；潜在主题建模步骤，采用改进的概率主题模型学习图像的潜在主题分布；采用分类器识别未知地点图像。本发明在LDA模型中加入量化函数，通过改进LDA模型学习图像的潜在主题，在保证实时性的前提下，可有效提高识别性能。
-
公开(公告)号：CN102609719B
公开(公告)日：2013-07-31
申请号：CN201210017692.1
申请日：2012-01-19
Applicant: 北京工业大学
Abstract: 一种基于改进概率主题模型的地点图像识别方法，属于图像识别技术领域。目的在于更好地解决地点图像识别中由于不同角度、光照，以及人物和物体的高度动态变化导致的不确定性问题。包括以下步骤：图像获取步骤；图像预处理步骤；特征提取步骤，采用SIFT算法对图像进行特征提取；特征聚类步骤，将所有特征聚类，得到若干聚类中心；特征分配步骤，将每幅图像的特征在聚类中心上投票，得出对应每个聚类中心的频数向量；潜在主题建模步骤，采用改进的概率主题模型学习图像的潜在主题分布；采用分类器识别未知地点图像。本发明在LDA模型中加入量化函数，通过改进LDA模型学习图像的潜在主题，在保证实时性的前提下，可有效提高识别性能。
-
-
-
Search Results
4
records
(took 0.029 seconds)
