基于概率图模型的图像整体场景理解特征工程综述

被引：6

作者：

李林 ^{[1
]}

吴跃 ^{[2
]}

叶茂 ^{[2
]}

机构：

[1] 成都师范学院计算智能研究所

[2] 电子科技大学计算机科学与工程学院

来源：

计算机应用研究 | 2015年 / 32卷 / 12期

关键词：

特征工程; 图像特征工程; 图像特征; 图像整体场景理解; 概率图模型;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

图像特征工程是图像场景理解中的一项重要基础性工作,基于概率图模型的图像整体场景理解特征工程作为其延伸,其复杂性和综合性远高于基本图像理解特征工程。针对这一特点,对图像理解特征工程中的特征提取、表示、学习和变换,基于概率图模型的图像整体场景理解特征工程研究价值和意义、典型特征工程等多方面进行了归纳与分析,重点介绍了四种代表性的基于概率图模型的图像整体场景理解特征工程,并作了详细比较,提出了基于概率图模型的图像整体场景理解特征工程基本框架。最后对未来发展方向进行了展望,为该领域的进一步研究提供参考。

引用

页码：3542 / 3550

页数：9

共 21 条

[1] 深度学习的昨天、今天和明天 [J].

余凯 ;

贾磊 ;

陈雨强 ;

徐伟 .

计算机研究与发展, 2013, 50 (09) :1799-1804

[2] 深度学习研究综述 [J].

孙志军 ;

薛磊 ;

许阳明 ;

王正 .

计算机应用研究, 2012, 29 (08) :2806-2810

[3]

图像理解理论与方法[M]. 科学出版社 , 高隽, 2009

[4] A survey of functional principal component analysis [J].

Shang, Han Lin .

ASTA-ADVANCES IN STATISTICAL ANALYSIS, 2014, 98 (02) :121-142

[5] High-Dimensional Feature Selection by Feature-Wise Kernelized Lasso [J].

Yamada, Makoto ;

Jitkrittum, Wittawat ;

Sigal, Leonid ;

Xing, Eric P. ;

Sugiyama, Masashi .

NEURAL COMPUTATION, 2014, 26 (01) :185-207

[6] A survey of graph theoretical approaches to image segmentation [J].

Peng, Bo ;

Zhang, Lei ;

Zhang, David .

PATTERN RECOGNITION, 2013, 46 (03) :1020-1038

[7]

Enhanced representation and multi-task learning for image annotation[J] . Alexander Binder,Wojciech Samek,Klaus-Robert Müller,Motoaki Kawanabe.Computer Vision and Image Understanding . 2012

[8] Robust Higher Order Potentials for Enforcing Label Consistency [J].

Kohli, Pushmeet ;

Ladicky, L'ubor ;

Torr, Philip H. S. .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2009, 82 (03) :302-324

[9] Putting objects in perspective [J].

Hoiem, Derek ;

Efros, Alexei A. ;

Hebert, Martial .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2008, 80 (01) :3-15

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

Lowe, DG .

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

← 1 2 3 →