基于非监督特征学习的兴趣点检测算法

被引:3
作者
周来恩
王晓丹
机构
[1] 空军工程大学防空反导学院
关键词
机器学习; 非监督特征学习; 自动编码器; 兴趣点检测; 特征提取;
D O I
暂无
中图分类号
TP391.41 []; TP181 [自动推理、机器学习];
学科分类号
080203 ;
摘要
由于兴趣点是图像中的基础、关键特征,因此兴趣点检测是图像配准、图像检索以及图像识别的关键步骤。基于兴趣点对于图像特征响应较为强烈的特性,结合非监督特征学习算法可以自主地从无标签的样本中提取特征的思想,提出了UFL-ID兴趣点检测算法。该算法无监督学习了图像的底层特征,对特征进行信息量和各向同性的评价,并利用特征的卷积响应及评价参数寻找图像中的兴趣点。与其他常见的兴趣点检测算法的对比实验表明,该算法具有良好的重复性与抗噪能力。
引用
收藏
页码:289 / 294+319 +319
页数:7
相关论文
共 7 条
[2]   双高斯差模型用于角点检测研究 [J].
罗晓晖 ;
李见为 .
计算机工程与应用, 2003, (11) :87-90+99
[3]  
Learning algorithm and hidden node selection scheme for local coupled feedforward neural network classifier[J] . Jianye Sun.Neurocomputing . 2011
[4]  
Robust image corner detection based on scale evolution difference of planar curves[J] . Xiaohong Zhang,Honxing Wang,Mingjian Hong,Ling Xu,Dan Yang,Brian C. Lovell.Pattern Recognition Letters . 2008 (4)
[5]   Sparse coding of sensory inputs [J].
Olshausen, BA ;
Field, DJ .
CURRENT OPINION IN NEUROBIOLOGY, 2004, 14 (04) :481-487
[6]   Evaluation of interest point detectors [J].
Schmid, C ;
Mohr, R ;
Bauckhage, C .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 2000, 37 (02) :151-172
[7]   SUSAN - A new approach to low level image processing [J].
Smith, SM ;
Brady, JM .
INTERNATIONAL JOURNAL OF COMPUTER VISION, 1997, 23 (01) :45-78