专利汇可以提供基于改进SURF特征的视觉词袋模型构建方法专利检索,专利查询,专利分析的服务。并且基于改进SURF特征的视觉词袋模型构建方法,使用添加渐变信息的盒子滤波模板代替高斯滤波,该模板与高斯二阶微分模板更加接近;在SURF特征表达时,减少了时间上的开销,并在保证旋转不变性的同时将SURF描述子降为32维;构建词袋时,使用上述改进SURF 算法 提取图像库中所有改进SURF特征,采用k‑means聚类方法将所有SURF特征聚类成为视觉单词,这样每幅图像表示为各个视觉单词出现 频率 的高维向量。本方法包含了图像更丰富的渐变信息,并且省略了一次Haar小波计算步骤;与直接使用SURF特征相比,可以很好地解决不同图像提取出的特征数量不统一的问题,并且词袋模型能将多幅图像用一定量的视觉单词表示,节约空间,处理方便,可扩展性强。,下面是基于改进SURF特征的视觉词袋模型构建方法专利的具体信息内容。
1.基于改进SURF特征的视觉词袋模型构建方法,其特征在于:该方法具体的实现步骤如下,
Step1:对图像库中所有图像,提取改进SURF特征:
Step1.1:对图像I,计算积分图像IΣ;
Step1.2:使用添加了渐变信息的盒子滤波模板对积分图像IΣ进行盒子滤波计算,构建尺度空间;
Step1.3:在尺度空间中,在每个3×3×3的局部区域里,使用非最大值抑制检测极值点,并记下极值点的位置作为特征点;
Step1.4:以特征点为圆心,以10S为半径作圆形邻域,S为样本所处空间的尺度值;在邻域内以尺寸为4S的Haar小波模板对图像进行处理,计算邻域内所有特征点在x,y方向的Haar小波响应,并赋给每个向量不同的高斯权重,越靠近圆心,贡献值越大,特征点赋值权重越大;
Step1.5:以一个圆心角为 的扇形旋转遍历整个圆形邻域,共有8个窗口;每一次滑动到图3中的窗口内时,计算该窗口内Haar小波响应值的和;设dx,dy分别代表水平和垂直方向的Haar小波响应,mω为方向矢量,θω为方向矢量的角度,则:
Vi=(∑dx,∑dy,∑|dx|,∑|dy|),i=1,2,...,8
Step1.6:比较8个窗口的mω值,对8个mω按从大到小的顺序排序,以最大的mω的方向为特征点的主方向;
Step1.7:按照mω值由大到小的顺序,将对应的8个Vi按顺序排列,得到8×4=32维改进SURF特征描述子;
Step2:对所有提取出的改进SURF特征,用k-means算法聚类成为k个视觉单词,表示为K=(k1,k2,k3,...,kk);其中聚类中心k的选择应依据不同图像库的特点而确定,k越大词袋模型对图像的代表能力越强,但同时k越大计算时间越长;
Step3:将图像库中每一幅图像,按照每个视觉单词出现的频率表示为k维向量,在图像P中,视觉单词k1出现1次,k2出现2次,kk-1出现k-1次,kk出现k次,则将图像P表示为向量P=(1,2,...,k-1,k);每幅图像用词袋模型表示成的向量都不同,越相似的图像之间,向量距离肯定越小,依照这样的方式实现图像分类和图像检索。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于长短期记忆网络的梯级水电站发电量预测方法 | 2020-05-11 | 417 |
一种基于手绘网页图像的前端工程化代码生成方法 | 2020-05-13 | 928 |
基于空时联合局部对比度的红外弱小目标检测方法 | 2020-05-11 | 503 |
一种客流数据缺失填补的方法 | 2020-05-12 | 225 |
针对智能船舶近似重复记录的检测方法、消除方法 | 2020-05-08 | 146 |
基于特征融合与SVM的极化SAR溢油检测方法 | 2020-05-12 | 376 |
一种基于滑动窗口采样的空间语义相似度计算方法 | 2020-05-12 | 399 |
一种基于人体关节运动实时预测的目标识别方法及系统 | 2020-05-11 | 166 |
一种无人机视觉-惯性融合室内定位方法 | 2020-05-11 | 22 |
一种基于深度卷积神经网络的多时次风速预测方法 | 2020-05-12 | 581 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。