高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于广义典型相关分析的仿射不变特征提取方法

张洁玉 陈强 白小晶 孙权森 夏德深

张洁玉, 陈强, 白小晶, 孙权森, 夏德深. 基于广义典型相关分析的仿射不变特征提取方法[J]. 电子与信息学报, 2009, 31(10): 2465-2469. doi: 10.3724/SP.J.1146.2008.01344
引用本文: 张洁玉, 陈强, 白小晶, 孙权森, 夏德深. 基于广义典型相关分析的仿射不变特征提取方法[J]. 电子与信息学报, 2009, 31(10): 2465-2469. doi: 10.3724/SP.J.1146.2008.01344
Zhang Jie-yu, Chen Qiang, Bai Xiao-jing, Sun Quan-sen, Xia De-shen. Affine Invariant Feature Extraction Algorithm Based on Generalized Canonical Correlation Analysis[J]. Journal of Electronics and Information Technology, 2009, 31(10): 2465-2469. doi: 10.3724/SP.J.1146.2008.01344
Citation: Zhang Jie-yu, Chen Qiang, Bai Xiao-jing, Sun Quan-sen, Xia De-shen. Affine Invariant Feature Extraction Algorithm Based on Generalized Canonical Correlation Analysis[J]. Journal of Electronics and Information Technology, 2009, 31(10): 2465-2469. doi: 10.3724/SP.J.1146.2008.01344

基于广义典型相关分析的仿射不变特征提取方法

doi: 10.3724/SP.J.1146.2008.01344
基金项目: 

国家自然科学基金(60773172)和江苏省博士后基金(AD41158)资助课题

Affine Invariant Feature Extraction Algorithm Based on Generalized Canonical Correlation Analysis

  • 摘要: 该文结合广义典型相关分析(GCCA)理论,提出了一种新的图像仿射不变特征提取方法。首先,基于多尺度自卷积变换(MSA)构造了一组新的变换量多尺度自卷积熵(MSAE)。然后证明了该熵具有仿射不变性;再利用GCCA将MSA和MSAE变换值作为两种特征进行融合,得到具有更丰富图像信息的组合特征。最后利用MSA,MSAE和组合特征,结合最近距离分类器分别对视点变换图像以及加噪声、加部分遮挡视点变换图像进行分类识别实验。结果表明,组合特征得到了最高的正确识别率,MSAE次之,MSA最低。
  • [1] MingKuei H. Visual pattern recognition by momentinvariants [J]. IEEE Transactions on Information Theory,1962, 8(2): 179-187.[2]Zahn C T and Roskies R Z. Fourier descriptors for planeclosed curves [J].IRE Transactions on Computer.1972, 21(3):269-281[3]Teague M. Image analysis via the general theory of moments[J].Journal of the Optical Society of America.1980, 70(8):920-930[4]Resnick J. The radon transforms and some of its applications[J].IEEE Transactions on Acoustics, Speech and SignalProcessing.1985, 33(1):338-339[5]Xiong H, Zhang T, and Moon Y S. A translation- and scaleinvariantadaptive wavelet transform [J].IEEE Transactionson Image Processing.2000, 9(12):2100-2108[6]夏永泉, 刘正东, 杨静宇. 不变矩方法在区域匹配中的应用[J].计算机辅助设计与图形学学报, 2005, 17(10): 2152-2156.Xia Yong-quan, Liu Zheng-dong, and Yang Jing-yu.Application of moment invariant approach in region matching[J]. Journal of Computer-aided Design Computer Graphics,2005, 17(10): 2152-2156.[7]Rahtu E, Salo M, and Heikkil. J. Affine invariant patternrecognition using multiscale autoconvolution[J].IEEETransactions on Pattern Analysis and Machine Intelligence.2005, 27(6):908-918[8]Petrou M and Kadyrov A. Affine invariant features from thetrace transform [J].IEEE Transactions on Pattern Analysisand Machine Intelligence.2004, 26(1):30-44[9]蔡红苹, 雷琳, 陈涛等. 一种通用的仿射不变特征区域提取方法[J]. 电子学报, 2008, 36(4): 672-678.Cai Hong-ping, Lei Lin, and Chen Tao, et al.. A generalapproach for extracting affine invariant regions[J]. ActaElectronica Sinica, 2008, 36(4): 672-678.[10]刘小军, 杨杰, 刘惠等. 基于主成分分析的仿射不变特征图像匹配方法[J]. 系统仿真学报, 2008, 20(4): 977-980.Liu Xiao-jun, Yang Jie, and Liu Hui, et al.. Affine invariantfeatures image matching approach based on principalcomponents analysis [J]. Journal of System Simulation, 2008,20(4): 977-980.[11]Kannala J, Rahtu E, and Heikkil. J. Affine registration withmulti-scale autoconvolution[C]. Proc. InternationalConference on Image Processing, Genoa, 2005, 3: 1064-1067.[12]Rahtu E, Salo M, and Heikkil. J. Multiscale autoconvolutionhistograms for affine invariant pattern recognition[C]. Proc.16th British Machine Vision Conference, Edinburgh, 2006, 3:1039-1048.[13]唐涛, 粟毅, 陈涛等. 一种新的图像局部仿射不变特征提取方法[J]. 计算机仿真, 2007, 7(24): 229-234.Tang Tao, Su Yi, and Chen Tao, et al.. A novel method forlocal affine invariant feature extraction [J]. ComputerSimulation, 2007, 7(24): 229-234.[14]徐学强, 汪渤, 于家城等. 一种新型不变矩在图像识别中的应用[J]. 光学技术, 2007, 33(4): 580-583.Xu Xue-qiang, Wang Bo, and Yu Jia-cheng, et al..Application of a new invariant moments on image recognition[J]. Optical Technique, 2007, 33(4): 580-583.[15]Kim T-K, Kittler J, and Cipolla R. Discriminative learningand recognition of image set classes using canonicalcorrelations[J]. IEEE Transactions on PAMI, 2007, 29(6):1005-1018.[16]洪泉, 陈松灿, 倪雪蕾. 子模式典型相关分析及其在人脸识别中的应用[J]. 自动化学报, 2008, 34(1): 21-30.Hong Quan, Chen Song-can, and Ni Xue-lei. Sub-patterncanonical correlation analysis with application in facerecognition[J]. Acta Automatica Sinica, 2008, 34(1): 21-30.[17]Sun Q S, Zeng S G, Liu Y, Heng P A, and Xia D S. A newmethod of feature fusion and its application in imagerecognition[J].Pattern Recognition.2005, 38(12):2437-2448[18]孙权森, 曾生根, 王平安等. 典型相关分析的理论及其在特征融合中的应用[J]. 计算机学报, 2005, 28(9): 1524-1533.Sun Quan-sen, Zeng Sheng-gen, and Wang Ping-an, et al..The theory of canonical correlation analysis and itsapplication to feature fusion[J]. Chinese Journal of Computer,2005, 28(9): 1524-1533.[19]Sun Q S, Heng P A, Jin Z, and Xia D S. Face recognitionbased on generalized canonical correlation analysis[C].International Conference on Intelligent Computing(Hefei,China), Lecture Notes in Computer Science, Springer-Verlag,Heidelberg, Berlin, 2005, 3645: 958-967.[20]雷琳, 蔡红苹, 唐涛等. 基于MSA特征的遥感图像多目标关联算法[J]. 遥感学报, 2008, 12(4): 586-592.Lei Lin, Cai Hong-ping, and Tang Tao, et al.. A MSAfeature-based multiple targets association algorithm inremote sensing images[J]. Journal of Remote Sensing, 2008,12(4): 586-592.[21]Heikkila J. Pattern matching with affine momentdescriptors[J].Pattern Recognition.2004, 37(9):1825-1834[22]Yang Z and Cohen F. Cross-weighted moments and affineinvariants for image registration and matching [J].IEEETransactions on Pattern Analysis and Machine Intelligence.1999, 21(8):804-814[23] Columbia University, Coil-100 image database. Http://www1.cs.columbia.edu/CAVE/ software/softlib/coil-100.php,2008, 8.
  • [1] 陈书贞, 曹世鹏, 崔美玥, 练秋生.  基于深度多级小波变换的图像盲去模糊算法, 电子与信息学报. doi: 10.11999/JEIT190947
    [2] 李璐, 杜兰, 何浩男, 李晨, 邓盛.  基于深度森林的多级特征融合SAR目标识别, 电子与信息学报. doi: 10.11999/JEIT200685
    [3] 罗会兰, 陈鸿坤.  多尺度语义信息融合的目标检测, 电子与信息学报. doi: 10.11999/JEIT200147
    [4] 李群生, 赵剡, 寇磊, 王进达.  一种基于多尺度核学习的仿射投影滤波算法, 电子与信息学报. doi: 10.11999/JEIT190023
    [5] 董小伟, 韩悦, 张正, 曲洪斌, 高国飞, 陈明钿, 李博.  基于多尺度加权特征融合网络的地铁行人目标检测算法, 电子与信息学报. doi: 10.11999/JEIT200450
    [6] 杨钧智, 吴金亮, 智军.  基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究, 电子与信息学报. doi: 10.11999/JEIT200144
    [7] 柳长源, 王琪, 毕晓君.  基于多通道多尺度卷积神经网络的单幅图像去雨方法, 电子与信息学报. doi: 10.11999/JEIT190755
    [8] 任永梅, 杨杰, 郭志强, 曹辉.  基于多尺度卷积神经网络的自适应熵加权决策融合船舶图像分类方法, 电子与信息学报. doi: 10.11999/JEIT200102
    [9] 许欢, 苏树智, 颜文婧, 邓瀛灏, 谢军.  面向图像识别的测地局部典型相关分析方法, 电子与信息学报. doi: 10.11999/JEIT200123
    [10] 苏娟, 李彬, 王延钊.  一种基于封闭均匀区域的SAR图像配准方法, 电子与信息学报. doi: 10.11999/JEIT160141
    [11] 曾明勇, 吴泽民, 田畅, 付毅, 揭斐然.  基于外观统计特征融合的人体目标再识别, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.01389
    [12] 黄剑华, 丁建睿, 刘家锋, 张英涛.  基于局部加权的Citation-kNN算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00016
    [13] 王芳, 盛卫星, 马晓峰, 王昊.  基于Gabor幅值特征和相位特征相融合的ISAR像目标识别, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.01500
    [14] 杨旗, 薛定宇.  基于双尺度动态贝叶斯网络及多信息融合的步态识别, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.01012
    [15] 顾珊波, 邵枫, 蒋刚毅, 郁梅.  基于支持向量回归的立体图像客观质量评价模型, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00513
    [16] 张洁, 景晓军, 刘馨靖, 李帅.  一种基于模式熵的残缺指纹识别算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00701
    [17] 张强, 戚春, 蔡云泽.  基于判别改进局部切空间排列特征融合的人脸识别方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.01082
    [18] 王素玉, 卓力, 沈兰荪, 李晓光.  一种用于动态视频超分辨率的多尺度最小二乘仿射块匹配图像配准方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.01745
    [19] 陈星星, 张荣.  基于多尺度相位特征的图像检索方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2008.00297
    [20] 刘怡光, 游志胜, 曹丽萍, 蒋欣荣.  基于Fisher变换的多尺度图像识别方法及其车形识别应用, 电子与信息学报.
  • 加载中
  • 计量
    • 文章访问数:  3316
    • HTML全文浏览量:  23
    • PDF下载量:  986
    • 被引次数: 0
    出版历程
    • 收稿日期:  2008-10-14
    • 修回日期:  2009-03-23
    • 刊出日期:  2009-10-19

    目录

      /

      返回文章
      返回

      官方微信,欢迎关注