计算机视觉中改进的图像低维表示方法研究

被引：1

作者：

曲蕴慧 ^{[1
]}

关正 ^{[2
]}

机构：

[1] 西安医学院计算机教研室

[2] 北京理工大学软件学院

来源：

小型微型计算机系统 | 2017年 / 38卷 / 04期

关键词：

图像低维表示; l2范数; 组合优化; 流形; 稳健型光流算法; SIFT流算法;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

对图像的低维表示进行学习,在图像处理和计算机视觉等多种应用中具有重要作用.当前方法要么需要对图像中的相应点手动标记界标,要么局限于特定对象或形状变形.为此,将图像低维表示问题建模为基于l2范数的组合优化问题,通过采取嵌套和组合策略,考虑了颜色、外观和形态方面的变化,进而提出一种可以同时实现图像颜色、外观和形态的图像低维表示算法.此外,通过将形态和外观的流形约束到低维子空间上,进一步降低了流形学习的采样复杂性.定量评估结果表明,本文方法的性能远优于目前典型的稳健型光流算法和SIFT流算法.此外,本文方法在图像浏览和关节学习等相关任务中也取得了令人满意的定性结果.

引用

页码：891 / 895

页数：5

共 5 条

[1] 基于低秩子空间恢复的联合稀疏表示人脸识别算法 [J].

胡正平 ;

李静 .

电子学报, 2013, 41 (05) :987-991

[2] 一种基于位平面综合特征的彩色图像检索方案 [J].

王向阳 ;

胡峰丽 .

计算机研究与发展, 2007, (05) :867-872

[3] A Simple Prior-Free Method for Non-rigid Structure-from-Motion Factorization [J].

Dai, Yuchao ;

Li, Hongdong ;

He, Mingyi .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2014, 107 (02) :101-122

[4] Capturing the multiscale anatomical shape variability with polyaffine transformation trees [J].

Seiler, Christof ;

Pennec, Xavier ;

Reyes, Mauricio .

MEDICAL IMAGE ANALYSIS, 2012, 16 (07) :1371-1384

[5]

Multidimensional Morphable Models: A Framework for Representing and Matching Object Classes [J] . Michael J. Jones,Tomaso Poggio.&nbsp&nbspInternational Journal of Computer Vision . 1998 (2)

← 1 →