發(fā)布時間：2018-03-26 22:15

  本文選題：RGB-D圖像　切入點：物體識別　出處：《計算機應(yīng)用》2017年01期

【摘要】：針對傳統(tǒng)的顏色-深度(RGB-D)圖像物體識別的方法所存在的圖像特征學(xué)習不全面、特征編碼魯棒性不夠等問題,提出了基于核描述子局部約束線性編碼(KD-LLC)的RGB-D圖像物體識別方法。首先,在圖像塊間匹配核函數(shù)基礎(chǔ)上,應(yīng)用核主成分分析法提取RGB-D圖像的3D形狀、尺寸、邊緣、顏色等多個互補性核描述子;然后,分別對它們進行LLC編碼及空間池化處理以形成相應(yīng)的圖像編碼向量;最后,把這些圖像編碼向量融合成具有魯棒性、區(qū)分性的圖像表示。基于RGB-D數(shù)據(jù)集的仿真實驗結(jié)果表明,作為一種基于人工設(shè)計特征的RGB-D圖像物體識別方法,由于所提算法綜合利用深度圖像和RGB圖像的多方面特征,而且對傳統(tǒng)深度核描述子的采樣點選取和緊湊基向量的計算這兩方面進行了改進,使得物體類別識別率達到86.8%,實體識別率達到92.7%,比其他同類方法具有更高的識別準確率。
[Abstract]:The traditional methods of color depth RGB-D image object recognition have some problems, such as incomplete feature learning and insufficient robustness of feature coding, etc. An object recognition method for RGB-D image based on KD-LLC is proposed. Firstly, based on the matching kernel function between blocks, the 3D shape, size and edge of RGB-D image are extracted by kernel principal component analysis (KPCA). Color and other complementary kernel descriptors are then processed by LLC coding and spatial pooling to form corresponding image encoding vectors. Finally, these image coding vectors are fused to be robust. Simulation results based on RGB-D dataset show that as a RGB-D image object recognition method based on artificial design features, the proposed algorithm synthesizes the features of depth image and RGB image. In addition, the selection of sampling points and the calculation of compact basis vectors of traditional depth kernel descriptors are improved, which makes the recognition rate of object class reach 86.8%, and the recognition rate of entity reaches 92.7%, which is more accurate than other similar methods.
【作者單位】： 武漢科技大學(xué)計算機科學(xué)與技術(shù)學(xué)院;智能信息處理與實時工業(yè)系統(tǒng)湖北省重點實驗室(武漢科技大學(xué));
【基金】：國家自然科學(xué)基金面上項目(41571396) 國家創(chuàng)新訓(xùn)練項目(201410488017)~~
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 王志衡;吳福朝;;均值-標準差描述子與直線匹配[J];模式識別與人工智能;2009年01期

2 劉仰龍;王從慶;高玨;許榮華;;基于小波描述子的水果果形分類[J];浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版);2010年03期

3 王志衡;智珊珊;劉紅敏;;基于亮度序的均值標準差描述子[J];模式識別與人工智能;2013年04期

4 田時髦;汪增福;;一種對亮度變化魯棒的局部特征描述子及其快速生成算法[J];小型微型計算機系統(tǒng);2013年08期

5 盧鴻波;孫愿;張志敏;;采用旋轉(zhuǎn)匹配的二進制局部描述子[J];中國圖象圖形學(xué)報;2013年10期

6 惠國保;李東波;童一飛;;基于優(yōu)化采樣模式的緊湊而快速的二進制描述子[J];自動化學(xué)報;2014年02期

7 王濤,劉文印,孫家廣,張宏江;傅立葉描述子識別物體的形狀[J];計算機研究與發(fā)展;2002年12期

8 劉微;;精簡顏色描述子研究[J];吉林師范大學(xué)學(xué)報(自然科學(xué)版);2008年03期

9 王明俊;王萍;王玲;;基于傅立葉描述子的中長跑自動計圈技術(shù)研究[J];科學(xué)技術(shù)與工程;2009年03期

10 賈其;呂緒良;曾朝陽;許衛(wèi)東;;特征描述子在目標偽裝效果評價中的應(yīng)用[J];應(yīng)用科學(xué)學(xué)報;2011年05期

相關(guān)會議論文 前10條

1 金培權(quán);周英華;岳麗華;龔育昌;;基于歷史拓撲和描述子的時空變化表示[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2003年

2 張靜茹;何耀;劉興濤;朱明清;陳宗海;;基于區(qū)域協(xié)方差描述子的視頻靜止目標檢測[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

3 蔡占川;孫偉;畢寧;齊東旭;;基于U描述子物體形狀的識別[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會'2005論文集（下冊）[C];2005年

4 張波;鄒建成;劉旭麗;;一類新的Ⅴ描述子在形狀識別中的應(yīng)用[A];中國幾何設(shè)計與計算新進展2007——第三屆中國幾何設(shè)計與計算大會論文集[C];2007年

5 王建;朱明清;趙宇宙;郭明瑋;陳宗海;;基于含時切割平面和區(qū)域協(xié)方差描述子的跳躍行為識別方法[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

6 鐵小勻;鐘文琦;劉雪;鄒建成;;一種新的基于Ⅴ描述子的圖形水印技術(shù)[A];中國幾何設(shè)計與計算新進展2007——第三屆中國幾何設(shè)計與計算大會論文集[C];2007年

7 戴岳剛;明東;;基于數(shù)學(xué)描述子的步態(tài)圖像處理方法研究[A];天津市生物醫(yī)學(xué)工程學(xué)會第29屆學(xué)術(shù)年會暨首屆生物醫(yī)學(xué)工程前沿科學(xué)研討會論文集[C];2009年

8 熊剛強;齊東旭;;基于分段多項式描述子和BP網(wǎng)絡(luò)的形狀識別方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

9 陳興峰;顧行發(fā);李紫薇;余濤;鄭進軍;郭丁;;基于“凈化邊界的傅立葉描述子”圖像形狀特征提取[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

10 豐峰;蘇滿秀;袁哲明;;一種新的氨基酸描述子及其在抗菌肽QSAR中的應(yīng)用[A];華中昆蟲研究（第七卷）[C];2011年

相關(guān)博士學(xué)位論文 前10條

1 王立峰;藥效多肽的定量序效關(guān)系研究[D];湖南農(nóng)業(yè)大學(xué);2014年

2 曹祝樓;醫(yī)學(xué)圖像配準中的若干關(guān)鍵問題研究[D];山東大學(xué);2015年

3 黃為;基于序關(guān)系特征描述的高分辨率遙感影像識別研究[D];國防科學(xué)技術(shù)大學(xué);2014年

4 舒禹程;基于特征描述子的圖像匹配算法研究[D];華中科技大學(xué);2015年

5 田甜;快速局部圖像特征提取方法研究[D];華中科技大學(xué);2015年

6 李瑩瑩;圖像局部特征描述子的構(gòu)建研究[D];合肥工業(yè)大學(xué);2015年

7 洪曉鵬;新型二階統(tǒng)計描述子及其在物體檢測與跟蹤方面的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

8 林杰;面向移動視覺搜索的緊湊聚合描述子研究[D];北京交通大學(xué);2014年

9 鄧黎;擴展目標的特征提取及目標識別[D];中國科學(xué)院研究生院（光電技術(shù)研究所）;2013年

10 陳國華;手性藥物分子結(jié)構(gòu)表征及定量構(gòu)效關(guān)系研究[D];重慶大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 常佳;基于肽鏈初級結(jié)構(gòu)表征對肽類藥物進行QSAR研究[D];陜西科技大學(xué);2015年

2 吳倩雯;改進的SURF描述子及其在服飾圖片檢索中的應(yīng)用研究[D];電子科技大學(xué);2014年

3 李磊;基于3DZernike描述子的視頻水印認證技術(shù)研究[D];中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2015年

4 劉曉璐;典型二進制描述子研究及性能評估[D];西安電子科技大學(xué);2014年

5 豐一流;SIFT圖像匹配算法面向?qū)崟r性的優(yōu)化與實現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2013年

6 楊學(xué)文;面向交互語義的用戶基本手勢實時檢索方法研究[D];濟南大學(xué);2015年

7 何川;基于RGB-D的場景支撐關(guān)系提取算法研究[D];合肥工業(yè)大學(xué);2014年

8 王延青;一種基于拓撲分析的三維模型描述子及其應(yīng)用研究[D];南京大學(xué);2013年

9 朱婷;圖像不規(guī)則區(qū)域匹配算法研究[D];河南理工大學(xué);2015年

10 邵長峰;基于凸優(yōu)化的二值描述子研究及實時作物行檢測中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

，

本文編號：1669828