基于黎曼流形稀疏编码的图像检索算法

发布时间：2018-05-21 16:48

  本文选题：稀疏编码 + 黎曼几何　； 参考：《自动化学报》2017年05期

【摘要】：针对视觉词袋(Bag-of-visual-words,BOVW)模型直方图量化误差大的缺点,提出基于稀疏编码的图像检索算法.由于大多数图像特征属于非线性流形结构,传统稀疏编码使用向量空间对其度量必然导致不准确的稀疏表示.考虑到图像特征空间的流形结构,选择对称正定矩阵作为特征描述子,构建黎曼流形空间.利用核技术将黎曼流形结构映射到再生核希尔伯特空间,非线性流形转换为线性稀疏编码,获得图像更准确的稀疏表示.实验在Corel1000和Caltech101两个数据集上进行,与已有的图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了更好的检索性能.
[Abstract]:Aiming at the disadvantage of large quantization error in the histogram of Bag-of-Visual words (BOVW) model, an image retrieval algorithm based on sparse coding is proposed. Because most of the image features belong to nonlinear manifold structure, the traditional sparse coding uses vector space to measure them, which inevitably leads to inaccurate sparse representation. Considering the manifold structure of the image feature space, the symmetric positive definite matrix is selected as the feature descriptor to construct the Riemannian manifold space. The Riemannian manifold structure is mapped to the reproducing kernel Hilbert space by using the kernel, and the nonlinear manifold is transformed into linear sparse coding to obtain a more accurate sparse representation of the image. Compared with the existing image retrieval algorithms, the proposed image retrieval algorithm not only improves the retrieval accuracy, but also achieves better retrieval performance.
【作者单位】： 西北工业大学理学院;陕西科技大学文理学院;
【基金】：国家自然科学基金(61201323)资助~~
【分类号】：TP391.41

【相似文献】

相关期刊论文 前10条

1 晁永国;戴芳;韩舒然;何静;;改进的非负稀疏编码图像基学习算法[J];计算机工程与科学;2010年01期

2 谢尧芳;苏松志;李绍滋;;基于稀疏编码的迁移学习及其在行人检测中的应用[J];厦门大学学报(自然科学版);2010年02期

3 郎利影;夏飞佳;;人脸识别中的零范数稀疏编码[J];应用科学学报;2012年03期

4 程东阳;蒋兴浩;孙锬锋;;基于稀疏编码和多核学习的图像分类算法[J];上海交通大学学报;2012年11期

5 邹柏贤;苗军;;自然图像稀疏编码模型研究综述[J];郑州大学学报(工学版);2013年03期

6 刘伟锋;刘红丽;王延江;;基于多分离部件稀疏编码的人脸图像分析[J];模式识别与人工智能;2013年11期

7 张抒;蔡勇;解梅;;基于局部区域稀疏编码的人脸检测[J];软件学报;2013年11期

8 单桂军;廖建锋;;最大似然稀疏编码在人脸识别中的研究[J];电视技术;2013年23期

9 王瑞霞;彭国华;郑红婵;;拉普拉斯稀疏编码的图像检索算法[J];计算机科学;2014年08期

10 钱乐乐;高隽;谢昭;;一种融合神经稀疏编码机制的层次目标识别算法[J];中国图象图形学报;2010年10期

相关会议论文 前2条

1 尚丽;;使用正态可逆高斯密度模型的非负稀疏编码收缩技术实现图像消噪[A];苏州市自然科学优秀学术论文汇编(2008-2009)[C];2010年

2 刘扬;程健;卢汉清;;基于目标局部特征的迁移式学习[A];第十四届全国图象图形学学术会议论文集[C];2008年

相关博士学位论文 前10条

1 孙宇平;基于稀疏表征和自相似性的视觉数据识别关键技术及应用[D];华南理工大学;2015年

2 吕京磊;基于功能磁共振成像的大脑架构表达的研究[D];西北工业大学;2016年

3 王婧;面向在线环境的数据编码问题研究[D];合肥工业大学;2015年

4 李清勇;视觉感知的稀疏编码理论及其应用研究[D];中国科学院研究生院（计算技术研究所）;2006年

5 季昊;稀疏编码研究及其在模式识别中的应用[D];北京邮电大学;2012年

6 孙俊;人脸图像分析和识别方法研究[D];清华大学;2001年

7 朱秋平;基于稀疏编码的织物瑕疵检测算法研究[D];武汉大学;2014年

8 谢锦生;基于动态感知与异常注意的目标描述方法研究[D];中国科学技术大学;2012年

9 刘小白;图像及视频语义解析的关键技术研究[D];华中科技大学;2012年

10 丁昕苗;基于多示例学习的恐怖视频识别技术研究[D];中国矿业大学（北京）;2013年

相关硕士学位论文 前10条

1 柏文强;基于局部特征提取和稀疏编码的人脸识别算法研究[D];燕山大学;2015年

2 李明;目标检测与识别算法研究与应用[D];中央民族大学;2015年

3 许涛;面向视频管理的指纹特征提取技术研究[D];电子科技大学;2015年

4 谢易道;大规模人脸图像编码及其在人脸验证中的应用研究[D];电子科技大学;2015年

5 勾珍珍;基于空间约束和稀疏编码的高光谱图像分类[D];西安电子科技大学;2014年

6 张文义;基于智能监控系统的图像质量增强算法的研究[D];南京邮电大学;2015年

7 丁文秀;基于分层深度学习的行人分类方法研究[D];合肥工业大学;2015年

8 贺兵;基于稀疏编码哈希的跨模多媒体检索[D];安徽大学;2016年

9 申丹飞;基于筛选稀疏编码的多特征融合图像分类方法[D];华东师范大学;2016年

10 孟浩浩;基于秩限制的联合字典学习[D];北京理工大学;2016年

，

本文编号：1919991