字典重建和空间分布关系约束下的特征选择与图像-中国图象图形学报.PDFVIP

中图法分类号:TP301.6 文献标识码:A 文章编号:1006-8961(年) - 论文引用格式： 字典重建和空间分布关系约束下的特征选择与图 像拼接 1 1 2 1 1 3 于邓 ，刘玉杰 ，隋国华 ，陈晓明 ，李宗民 ，范建平 1.中国石油大学（华东）计算机与通信工程学院 青岛, 266580； 2.中国石油化工股份有限公司胜利油田分公司物探研究 院 东营, 257022； 3.北卡罗来纳大学夏洛特分校计算机科学学院,美国夏洛特, 28223 摘 要 ：目的：针对大型图像检索领域中，复杂图像中 SIFT 特征描述子的冗余和高维问题，提出了一种基于字典重建 和空间分布关系约束的特征选择的方法，来消除冗余特征并保留最具表现力的、保留原始空间结构性的SIFT 特征描述子。 方法：首先，实验发现了特征选择和字典学习方法在稀疏表示方面的内在联系，将特征选择问题转化为字典重构任务； 其次，在SIFT 特征选择问题中，为了保证特征空间中的特征的鲁棒性，设计了新型的字典学习模型，并采用模拟退火算 法进行迭代求解；最后，在字典学习的过程中，加入熵理论来约束特征的空间分布，使学习到的特征描述子能最大限度保 持原始 SIFT 特征空间的空间拓扑关系。结果：在公开数据集Holiday 大型场景图片检索数据库上，通过与国际公认的特 征选择方法进行实验对比，本文提出的特征选择方法在节省内存空间和提高时间效率 （30%-50% ）的同时，还能保证所筛 选的特征描述子的检索准确率比同类特征提高8%至14.1%；在国际通用的大型场景图片拼接数据库IPM 上，验证本文方 法在图像拼接应用中特征提取和特征匹配上的有效性，实验表明本文方法能节省 （50%-70% ）图像拼接时间。结论：与 已有的方法比较，本文的特征选择方法既不依赖训练数据集，也不丢失重要的空间结构和纹理信息，在大型图像检索、图 像拼接领域和3D 检索领域中，能够精简特征，提高特征匹配效率和准确率。 关键词 ：特征选择 ; 字典重建 ; 熵空间分布约束 ; 大规模图像检索 ; 图像拼接 Feature selection and image stitching based on dictionary reconstruction and spatial distribution 1 1 2 1 1 3 Yu Deng , Liu Yujie , Sui Guohua , Chen Xiaoming , Li Zongmin , Fan Jianping 1. College of Computer Communication Engineering, China University of Petroleum,, Qingdao, 266580; 2. Geophysical Research Institute of Shengli Oilfield Branch Co., Dongying, 257022; 3. Department of Computer Science, University of North Car olina at Charlotte, Charlotte America, 28223 Abstract ： Objective: In the research field of feature extraction and feature matching in large scale 2D image retrieval, 3D model retrieval and image stitching. We found that the huge amount of redundant feature descriptors in an image and the high dimensionality of these feature descriptors have caused