文献类型：期刊文章

作　　者：惠国保[1] 童一飞[2] 李东波[2]

机构地区：[1]中国电子科技集团公司第二十研究所电子信息网络实验室,西安710068 [2]南京理工大学机械工程学院,南京210094

出　　处：《计算机学报》

基　　金：国家自然科学基金(61104171)资助~~

年　　份：2015

卷　　号：38

期　　号：6

起止页码：1148-1161

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2015_2016、EI(收录号：20152701006109)、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：该文在AdaBoost算法的基础上提出了一种图像局部区域相似度的学习架构,利用该架构训练图像局部特征来获得低维数、独特的特征描述子,以实现对图像局部区域高精度地匹配.所提学习架构通过学习图像局部区域相似性得到一组非线性弱学习器对图像局部特征进行描述;同时,在响应函数组合形式和弱学习器权重优化配置方面,针对浮点描述子和二值描述子分别提出了新的补丁相似性度量函数作为目标函数的核函数,提高了图像特征相似性匹配效果.该学习架构不会受限于任何预定义的图像特征信息采集模式,能产生基于灰度信息或方向梯度信息的特征描述子.实验结果表明采用这种学习架构获得的特征描述子,在所有对比描述子中图像局部匹配查准率是最好的.所提学习框架能有效地配置优化描述子弱学习器,能提高图像特征描述子对图像尺度和视角变化的鲁棒性.

关 键 词：ADABOOST 特征描述子 图像特征匹配 图像处理 机器学习  

分 类 号：TP391]