基于局部特征提取的目标自动识别

被引：45

作者：

贾平 ^{[1
]}

徐宁 ^{[1
,2
]}

张叶 ^{[1
]}

机构：

[1] 中国科学院

来源：

光学精密工程 | 2013年 / 21卷 / 07期

关键词：

目标自动识别; 局部特征提取; 主成分分析; 最近特征空间分类器;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

提出一种基于局部特征提取的目标识别方法,用于自动识别不同尺度,视角和照度条件下的目标。首先,建立图像的尺度空间;结合海森矩阵和Harris算法提取局部特征点,计算该特征区域的方向和灰度梯度及方向;统计出每块子区域的标准灰度梯度直方图,得到128维的特征向量。然后,基于主成分分析的降维算法来降低特征向量的维数,加快识别的计算速度。最后,采用特征空间分类器增加目标识别的速度。实验结果表明:基于局部特征提取的目标识别达到了较高的识别率,在视角、尺度和照度变化下的识别率分别为61.9%,80.5%和84.4%,平均识别时间为130.9ms。与尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,本算法不仅在不同的视角,目标尺度及照度条件下具有较高识别率,而且识别速度比SIFT方法高。

引用

页码：1898 / 1905

页数：8

共 24 条

[1] Thomas Serre L W,Stanley Bilesch,Maximilian Riesenhuber, et al.Robustobject Recognition with Cortex-Like Mechanisms. IEEE Transactions onpattern Analysis and Machine Intelligence . 2007
[2] OVEISI F.Tree-structured feature extraction usingmutual information. IEEE Transactions on Neu-ral Networks and Learning Systems . 2012
[3] Chandra Shekhar Dhir,Lee Soo-Young.Discriminant Independent Component Analysis. IEEE Transactions on Neural Networks . 2011
[4] H Bay,A Ess,T Tuytelaars,L Gool.Speeded-up robust features (surf). Comput. Vis. Image Understand . 2008
[5] Chien J T,Wu C C.Discriminant waveletfaces and nearest feature classifiers for face recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2002
[6] SAUL M D,KOBER V.Nonlinear synthetic dis-criminant function filters for illumination-invariantpattern recognition. Optical Engineering . 2008
[7] LOWE D.Distinctive image feature from scale-in-variant keypoints,cascade filtering approach. International Journal of Computer Vision . 2004
[8] Sedaghat A,Mokhtarzade M,Ebadi H.UniformRobust Scale-Invariant Feature Matching for OpticalRemote Sensing Images. IEEE Transactions on Geoscience and Remote Sensing . 2011
[9] Chunhui Cui,King Ngi Ngan.Scale and Affine Invariant Fan Feature. IEEETransaction on Image Processing . 2011
[10] Li SZ,Lu JW.Face recognition using the nearest feature line method. IEEE Transactions on Neural Networks . 1999

← 1 2 3 →