-
公开(公告)号：CN112966694A
公开(公告)日：2021-06-15
申请号：CN202110145111.1
申请日：2021-02-02
Applicant: 哈尔滨商业大学
Abstract: 一种应用于图像匹配的尺度不变特征点提取方法，解决了现有利用Fast特征点进行图像匹配精度不高的问题，属于图像匹配技术领域。本发明包括：计算图像中像素点的在不同尺度下的尺度区域值，建立尺度金字塔；在不同尺度下的每个像素点与周围8个像素点的尺度区域值进行比较，筛选出候选特征点，并计算图像在不同尺度下的尺度响应得分对筛选出的候选特征点进行非极大值抑制，筛选出尺度响应得分最大的候选特征点，并用当前尺度与上下尺度的响应得分进行插值计算，得到精确尺度，去掉偏移超过设定值的候选特征点，剩余的候选特征点为尺度不变特征点。对得到的尺度不变特征点结合Surf区域描述生成局部特征，对图像进行匹配实验得到匹配结果并分析。
-
公开(公告)号：CN112966715B
公开(公告)日：2021-09-07
申请号：CN202110144794.9
申请日：2021-02-02
Applicant: 哈尔滨商业大学
IPC: G06K9/62
Abstract: 一种基于多尺度视觉词包模型的商品图像特征描述方法，解决了采用现有视觉词包特征描述方法的商品图像分类效果不佳的问题，属于图像分类领域。本发明包括：对2倍升采样的商品图像进行小波多尺度分解，提取多尺度特征点，进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；对局部区域特征进行聚类，形成词包；对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，使用对角同心矩空间模型进行特征汇聚形成图像描述子，并进行降维，获得视觉词包特征向量；将获得的视觉词包特征向量用分类器分类。
-
公开(公告)号：CN112966715A
公开(公告)日：2021-06-15
申请号：CN202110144794.9
申请日：2021-02-02
Applicant: 哈尔滨商业大学
IPC: G06K9/62
Abstract: 一种基于多尺度视觉词包模型的商品图像特征描述方法，解决了采用现有视觉词包特征描述方法的商品图像分类效果不佳的问题，属于图像分类领域。本发明包括：对2倍升采样的商品图像进行小波多尺度分解，提取多尺度特征点，进行边缘填充，在边缘填充后的图像上划定图像的局部区域，利用SURF局部特征与量化归一的颜色矢量角特征对划定的局部区域进行描述，并通过串行融合得到最终的局部区域特征的描述子；对局部区域特征进行聚类，形成词包；对每个局部区域特征与词包中的词特征向量进行距离度量，给局部区域特征编码，使用对角同心矩空间模型进行特征汇聚形成图像描述子，并进行降维，获得视觉词包特征向量；将获得的视觉词包特征向量用分类器分类。
-
-
Search Results
3
records
(took 0.03 seconds)
