本文選題：RST不變屬性特征 + 仿生物視覺感知��； 參考：《儀器儀表學報》2017年04期

【摘要】：針對圖像目標識別過程中易受旋轉(zhuǎn)、縮放、平移及噪聲影響的問題,提出一種仿生物視覺感知的RST不變屬性特征提取方法,以提升形變目標的識別率與抗噪魯棒性。受生物視覺感知機理啟發(fā),其皮質(zhì)細胞經(jīng)過多級變換后,能夠最佳權(quán)衡圖像選擇性與不變性。為此,該方法設(shè)計成兩個階段。第1階段中,受生物視覺在水平與垂直方向響應(yīng)強烈的啟發(fā),提出Gabor濾波器與雙極濾波器融合的filter-to-filter方向邊緣檢測方法。Gabor濾波作為底層濾波器平滑圖像,通過高層水平與垂直方向雙極濾波器檢測邊緣,構(gòu)建方向邊緣檢測子。以增強特征提取的魯棒性,提升邊緣檢測的準確度。在此基礎(chǔ)上,模擬大腦視覺皮質(zhì)細胞對線條響應(yīng)強度的反饋,根據(jù)不同邊緣方向及間距,度量圖像線條的空間頻率。設(shè)計空間頻率間距檢測子,將方向邊緣圖像映射至方向θ-間距I坐標系中。使原圖像的旋轉(zhuǎn)與比例縮放,在該坐標系上表現(xiàn)為水平與垂直方向變化。在第2階段中,針對第1階段輸出圖像,再次進行方向邊緣檢測與間距檢測。將第1階段中水平與垂直平移變換,轉(zhuǎn)變?yōu)榈?階段的特征圖中不變像素點,使圖像具有RST不變性。通過實驗統(tǒng)計分析,驗證了本文特征的RST不變性及其識別能力。并與其他不變屬性特征提取方法進行了識別率與復雜度比較,突顯本方法對噪聲的強魯棒性與RST的高識別率。
[Abstract]:In order to improve the recognition rate and robustness of deformed targets, a RST invariant feature extraction method based on biologic vision perception is proposed to solve the problem that image target recognition is easily affected by rotation, scaling, translation and noise. Inspired by the mechanism of biological visual perception, the cortical cells can best balance image selectivity and invariance after multilevel transformation. For this reason, the method is designed in two stages. In the first stage, inspired by the strong response of biological vision in horizontal and vertical direction, a method of edge detection in filter-to-filter direction based on the fusion of Gabor filter and bipolar filter is proposed. Gabor filter is used as the smoothing image of bottom filter. A directional edge detector is constructed by using a high level horizontal and vertical bipolar filter to detect the edge. In order to enhance the robustness of feature extraction, improve the accuracy of edge detection. On this basis, the feedback of the visual cortical cells to the response intensity of the line was simulated, and the spatial frequency of the lines was measured according to the different edge directions and distances. The spatial frequency spacing detector is designed to map the direction edge image to the direction 胃-spacing I coordinate system. The rotation and scale of the original image are changed in horizontal and vertical directions in this coordinate system. In the second stage, direction edge detection and distance detection are performed again for the first stage output image. The horizontal and vertical translation in the first stage is transformed into the invariant pixels in the feature map of the second stage, which makes the image RST invariant. The RST invariance of the feature and its recognition ability are verified by the experimental statistical analysis. The recognition rate and complexity of this method are compared with other invariant attribute feature extraction methods, which show the strong robustness of this method to noise and the high recognition rate of RST.
【作者單位】： 中南大學信息科學與工程學院;湖南商學院計算機與信息工程學院;南昌大學機電工程學院;
【基金】：國家自然科學基金(61403426,61304253) 國家重點實驗室開放基金(SKLMT-KFKT-201602,SKLRS-2017-KF-13)項目資助
【分類號】：TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 劉建忠;;圖像邊緣的數(shù)學結(jié)構(gòu)分析[J];軟件;2011年05期

2 陳文兵;張小磊;;基于圖像邊緣的能見度計算方法[J];微型電腦應(yīng)用;2009年04期

3 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數(shù)字圖像邊緣的算法比較[J];成都航空職業(yè)技術(shù)學院學報;2009年04期

4 潘衛(wèi)國;鮑泓;何寧;;一種傳統(tǒng)中國書畫圖像的二分類方法[J];計算機科學;2012年03期

5 周濤;陸惠玲;拓守恒;馬競先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補算法[J];寧夏大學學報(自然科學版);2012年01期

6 宋建中;;噴霧圖像的自動分析[J];光學機械;1988年04期

7 張錦華;孫挺;;引入像點融合度修補的圖像邊緣化參差拼接實現(xiàn)[J];微電子學與計算機;2014年08期

8 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

9 潘泓;夏良正;;一種基于圖像邊緣的矩計算方法[J];模式識別與人工智能;2003年03期

10 毛玉萃;圖像的物理內(nèi)容和邏輯內(nèi)容[J];微計算機應(yīng)用;2005年06期

相關(guān)會議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動感特征分析[A];第一屆中國情感計算及智能交互學術(shù)會議論文集[C];2003年

3 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復方法[A];新世紀 新機遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊）[C];2001年

4 王強;王風;;一種保持圖像幾何特征的去噪模型[A];中國通信學會第五屆學術(shù)年會論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學會第十屆全國圖像圖形學術(shù)會議（CIG’2001）和第一屆全國虛擬現(xiàn)實技術(shù)研討會（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質(zhì)量評測方法[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

7 漆琳智;張超;吳向陽;;引導濾波的單幅圖像前景精確提取[A];浙江省電子學會2013學術(shù)年會論文集[C];2013年

8 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強[A];第六屆全國信息獲取與處理學術(shù)會議論文集（1）[C];2008年

9 王亮亮;李明;高昕;;強模糊空間目標圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學術(shù)交流會論文集（下冊）[C];2010年

10 羅強;任慶利;;基于局部IFS理論提取圖像邊緣[A];第十二屆全國圖象圖形學學術(shù)會議論文集[C];2005年

相關(guān)重要報紙文章 前3條

1 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報;2009年

2 ;圖像質(zhì)量調(diào)整秘技[N];電腦報;2001年

3 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報;2009年

相關(guān)博士學位論文 前10條

1 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國防科學技術(shù)大學;2014年

2 賈茜;基于時—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學;2014年

3 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學;2014年

4 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國防科學技術(shù)大學;2014年

5 楊小義;圖像特征識別算法及其在聾人視覺識別中的應(yīng)用研究[D];重慶大學;2015年

6 溫景陽;圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學;2015年

7 李林;基于概率圖模型的圖像整體場景理解方法研究[D];電子科技大學;2014年

8 余汪洋;基于被動毫米波的隱匿物品探測方法研究[D];北京理工大學;2015年

9 孟凡滿;圖像的協(xié)同分割理論與方法研究[D];電子科技大學;2014年

10 繆君;基于多視圖像的平面場景重建研究[D];南昌大學;2015年

相關(guān)碩士學位論文 前10條

1 李鵬遠;圖像檢索算法研究及其在互聯(lián)網(wǎng)教育中的應(yīng)用[D];華南理工大學;2015年

2 萬燕英;微聚焦X-ray圖像自適應(yīng)正則化去噪方法[D];華南理工大學;2015年

3 毛雙艷;基于梯度域的圖像風格化渲染方法的研究及其應(yīng)用[D];華南理工大學;2015年

4 向訓文;RGB-D圖像顯著性檢測研究[D];華南理工大學;2015年

5 曾旭;基于聚類和加權(quán)非局部的圖像稀疏去噪方法研究[D];天津理工大學;2015年

6 熊楊超;圖像美學評價及美學優(yōu)化研究[D];華南理工大學;2015年

7 王艷;圖像視覺顯著性檢測方法及應(yīng)用的研究[D];華南理工大學;2015年

8 鄭露萍;圖像二階微分特征提取及人臉識別應(yīng)用研究[D];昆明理工大學;2015年

9 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學;2015年

10 曹靜;基于暗通道先驗算法的圖像去霧處理[D];海南大學;2015年

，

本文編號：1916399