【摘要】：針對尺度不變特征變換(Scale Invariant Feature Transform,SIFT)算法在航拍場景分類中提取特征時,易造成邊界模糊和細(xì)節(jié)丟失且無法描述顏色信息的問題,結(jié)合視覺詞袋模型,提出了非線性尺度空間下融合顏色特征的新型顏色風(fēng)式特征檢測子(Color-KAZE,C-KAZE).通過KAZE構(gòu)造非線性尺度空間來檢測特征信息;對顏色模型(Hue,Saturation,Value,HSV)非等間隔量化獲取顏色量化矩陣,進(jìn)而生成C-KAZE特征描述子;利用視覺詞袋和空間金字塔匹配模型融合多特征.實(shí)驗表明,該算法相比SIFT算法在場景分類準(zhǔn)確率方面提高了約8%.C-KAZE描述子增強(qiáng)了KAZE的特征描述能力,突破了SIFT算法特征描述單一、邊緣細(xì)節(jié)模糊的局限性,顯著提升了無人機(jī)航拍圖像的分類效果.
[Abstract]:Aiming at the problem of feature extraction in aerial scene classification by scale invariant feature transform (Scale Invariant Feature Transform,SIFT) algorithm, it is easy to cause boundary blur and detail loss and can not describe color information. A novel color wind-style feature detector (Color-KAZE,C-KAZE) with color features fusion in nonlinear scale space is proposed. The nonlinear scale space is constructed by KAZE to detect the feature information, the color quantization matrix is obtained by non-equal-interval quantization of the color model (Hue,Saturation,Value,HSV), and the C-KAZE feature descriptor is generated. Visual word bag and spatial pyramid matching model are used to fuse multiple features. Experiments show that compared with SIFT algorithm, the algorithm improves the accuracy of scene classification by using the approximate 8%.C-KAZE descriptor to enhance the feature description ability of KAZE, and breaks through the limitations of the SIFT algorithm that the feature description is single and the edge details are fuzzy. The classification effect of aerial images of UAV is improved significantly.
【作者單位】： 南京信息工程大學(xué)江蘇省氣象探測與信息處理重點(diǎn)實(shí)驗室;
【基金】：國家自然科學(xué)基金(61302188) 中國博士后特別資助基金(2012T50510,2011M500940) 六大人才高峰項目(2013-DZXX-020) 江蘇省高校重大自然科學(xué)基金項目(12KJA510001)資助
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 肖潔;彭冬玲;;基于顯著區(qū)域選擇和尺度空間主結(jié)構(gòu)的視覺關(guān)注區(qū)域提取方法[J];軟件導(dǎo)刊;2011年11期

2 王成儒;鄭永飛;;基于尺度空間的改進(jìn)均值偏移目標(biāo)跟蹤[J];電視技術(shù);2012年17期

3 龔俊亮;何昕;魏仲慧;朱弘;郭立俊;;采用尺度空間理論的紅外弱小目標(biāo)檢測方法[J];紅外與激光工程;2013年09期

4 叢舸,柯啟發(fā),馬頌德;基于曲率的尺度空間中的角點(diǎn)增強(qiáng)[J];計算機(jī)學(xué)報;1998年04期

5 王鄭耀,程正興,湯少杰;基于視覺特征的尺度空間信息量度量[J];中國圖象圖形學(xué)報;2005年07期

6 張科;王琪;王立;;視網(wǎng)膜機(jī)理啟發(fā)的尺度空間卷積模板構(gòu)造算法[J];光電工程;2006年02期

7 程Xh;郭雷;韓軍偉;錢曉亮;;基于形態(tài)學(xué)帶通濾波和尺度空間理論的紅外弱小目標(biāo)檢測[J];光學(xué)學(xué)報;2012年10期

8 姬光榮,王國宇,譚銳,馮天瑾,陳霞;尺度空間檢測邊緣特征的進(jìn)化分析[J];電子科學(xué)學(xué)刊;2000年02期

9 王小鵬;郝重陽;樊養(yǎng)余;;基于形態(tài)學(xué)尺度空間和梯度修正的分水嶺分割[J];電子與信息學(xué)報;2006年03期

10 陸軍,王潤生;一種基于尺度空間理論的直線抽取算法[J];中國圖象圖形學(xué)報;2000年08期

相關(guān)會議論文 前1條

1 鄒建成;范興華;;基于尺度空間的醫(yī)學(xué)圖像特征分析[A];第四屆全國幾何設(shè)計與計算學(xué)術(shù)會議論文集[C];2009年

相關(guān)博士學(xué)位論文 前3條

1 孫剛;大視場紅外搜索系統(tǒng)目標(biāo)檢測關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2015年

2 胡俊華;圖象局部不變特征及其應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2009年

3 袁偉;基于高斯尺度空間火災(zāi)圖像局部特征提取與主動式識別方法研究[D];中國科學(xué)技術(shù)大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 雷紅濤;基于DEM的山脈線提取及地貌類型判別方法研究[D];西安建筑科技大學(xué);2015年

2 楊誠;基于FPGA的SIFT算法架構(gòu)實(shí)現(xiàn)[D];電子科技大學(xué);2015年

3 包翔;基于尺度空間理論的自適應(yīng)圖像分割研究[D];江蘇大學(xué);2016年

4 周姣;基于尺度空間的紅外弱小目標(biāo)檢測算法研究[D];陜西師范大學(xué);2016年

5 羅斌;基于GPU的非線性尺度空間特征提取算法優(yōu)化機(jī)制[D];華中科技大學(xué);2015年

6 王穎;基于尺度空間技術(shù)的多邊形近似[D];蘇州大學(xué);2013年

7 曲穎;角點(diǎn)在輪廓高斯差尺度空間的行為分析及檢測算法研究[D];重慶大學(xué);2012年

8 鄭瑞連;基于L曲率的尺度空間技術(shù)[D];南京航空航天大學(xué);2012年

9 付杰;基于尺度空間的局部不變特性提取及匹配算法研究[D];上海師范大學(xué);2014年

10 王洪星;角點(diǎn)在輪廓尺度空間的行為分析與檢測研究[D];重慶大學(xué);2010年

，

本文編號：2387974