一种融合多传感器信息的移动图像识别方法

被引：14

作者：

桂振文 ^{[1
]}

吴侹 ^{[1
]}

彭欣 ^{[2
]}

机构：

[1] 中国电子科技集团公司第七研究所

[2] 广州杰赛科技股份有限公司

来源：

自动化学报 | 2015年 / 41卷 / 08期

基金：

国家高技术研究发展计划(863计划);

关键词：

多传感器数据融合; 移动图像识别; 随机聚类森林; 智能手机;

D O I：

10.16383/j.aas.2015.c140177

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

多传感器数据融合作为一种特殊的数据处理手段在图像识别领域得到了较大的重视和发展,本文提出了一种融合多传感器信息的移动图像识别方法.首先通过在智能手机端提取带传感器信息的图像局部特征,增强局部特征的辨别能力;其次改进了随机聚类森林的建立算法,减少了样本图像训练时间;最后使用快速几何一致性校验对匹配结果进行检查,保证算法的识别精度.实验结果表明,本文提出的方法能够快速有效地识别移动图像,并具有较好的鲁棒性,同时与传统的Vocabulary tree方法进行比较,本文方法的识别速度和精度较优,训练代价较低.

引用

页码：1394 / 1404

页数：11

共 7 条

[1] 基于多尺度图匹配核的场景单字识别方法（英文） [J].

史存召 ;

王春恒 ;

肖柏华 ;

张阳 ;

高嵩 .

自动化学报, 2014, 40 (04) :751-756

[2] 2DPCA-SIFT:一种有效的局部特征描述方法 [J].

颜雪军 ;

赵春霞 ;

袁夏 .

自动化学报, 2014, 40 (04) :675-682

[3] 考虑局部均值和类全局信息的快速近邻原型选择算法 [J].

李娟 ;

王宇平 .

自动化学报, 2014, 40 (06) :1116-1125

[4] 基于SURF特征和Delaunay三角网格的图像匹配 [J].

闫自庚 ;

蒋建国 ;

郭丹 .

自动化学报, 2014, 40 (06) :1216-1222

[5] 基于多分类器融合的雷达高分辨距离像目标识别与拒判新方法 [J].

张学峰 ;

王鹏辉 ;

冯博 ;

杜兰 ;

刘宏伟 .

自动化学报, 2014, 40 (02) :348-356

[6]

3D Object Recognition using Multiclass Support Vector Machine-K-Nearest Neighbor Supported by Local and Global Feature[J] . R. Muralidharan,C. Chandrasekar.Journal of Computer Science . 2012 (8)

[7] Distinctive image features from scale-invariant keypoints [J].

Lowe, DG .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) :91-110

← 1 →