基于隐式模型表示的对称物体检测算法-计算机工程.PDFVIP

基于隐式模型表示的对称物体检测算法-计算机工程.PDF

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于隐式模型表示的对称物体检测算法-计算机工程

第42卷 第 11期   计 算 机 工 程 2016年 11月    Vol.42  No.11   ComputerEngineering November2016 ·图形图像处理 · 文章编号:10003428(2016)11026106   文献标志码:A   中图分类号:TP301.6 基于隐式模型表示的对称物体检测算法 余水能,魏 宁,董方敏 (三峡大学 湖北省水电工程智能视觉监测重点实验室,湖北 宜昌443002) 摘 要:针对自然界中具有旋转对称特征物体的不规则性和随机性特点,提出一种新的图像旋转目标检测算法。 使用基于隐式模型表示的方法来统计图像中关键点的空间位置分布,并在此基础上对物体的旋转中心进行估计。 通过中层特征对图像中视觉感兴趣的关键点进行提取,在所提取关键点的特征空间进行无监督学习,将这些关键 点所在空间位置聚类为不同的旋转特征簇,进而通过各个特征簇的投票值,获得在特定半径下的中心概率映射图。 使用多半径尺度的显著度检测对各个半径下得到的概率映射图进行加权叠加,获得图像全局的旋转中心概率映射 图,并通过显著度检测算法获取旋转中心坐标。实验结果表明,该算法对自然图像中不规则的旋转对称物体都能 够进行有效的检测,对旋转对称中心的估计也具有较高的精度。 关键词:素描令牌;旋转对称;隐式模型;视觉显著性;目标检测;旋转对称簇 中文引用格式:余水能,魏 宁,董方敏.基于隐式模型表示的对称物体检测算法[J].计算机工程,2016,42(11):261266. 英文引用格式:YuShuineng,WeiNing,DongFangmin.SymmetricObjectDetectionAlgorithmBasedonImplicitModel Representation[J].ComputerEngineering,2016,42(11):261266. SymmetricObjectDetectionAlgorithmBasedon ImplicitModelRepresentation YUShuineng,WEINing,DONGFangmin (HubeiKeyLaboratoryofIntelligentVisionBasedMonitoringforHydroelectricEngineering, ChinaThreeGorgesUniversity,Yichang,Hubei443002,China) 【Abstract】Thispaperproposesanovelimagerotationobjectdetectionalgorithm,whichisespeciallysuitabletodetect objectshavingnonregularandrandom rotationsymmetrycharacteristicsinrealworldimages.Basedontheimplicit modelrepresentation,thealgorithmcountsthespatialdistributionofthekeypointsintheimageandestimatetherotation centeroftheobject.Thealgorithm extractsthevisualinterestingpointsfrom theimagemiddlelevelfeatures.The unsupervisedlearningisemployedinthekeypointfeaturespace,aimingatlabelingeachpositionofthekeypointsasone ofthesymmetryfeatureclusters.Therebytheprobabilitymapforc

文档评论(0)

wumanduo11 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档