主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第5期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
张东波,陈红磊,文登伟,汤红忠,许海霞.圆形图像抗旋转高效高鉴别特征提取与识别方法.软件学报,0,(0):0
圆形图像抗旋转高效高鉴别特征提取与识别方法
Anti-Rotation and Efficient Discriminative Feature Extraction Method for Circular Images
投稿时间:2017-05-24  修订日期:2017-10-23
DOI:10.13328/j.cnki.jos.005566
中文关键词:  特征提取  抗旋转  图像识别  二值模式
英文关键词:feature extraction  anti-rotation  image recognition  bianry pattern
基金项目:国家自然科学基金(61602397,61573299);湖南省自然科学基金(2017JJ2251,2017JJ3315);湖南省重点学科建设项目
作者单位E-mail
张东波 湘潭大学 信息工程学院, 湖南 湘潭 411105
机器人视觉感知与控制国家工程实验室, 长沙 410012 
zhadonbo@163.com 
陈红磊 湘潭大学 信息工程学院, 湖南 湘潭 411105
机器人视觉感知与控制国家工程实验室, 长沙 410012 
 
文登伟 湘潭大学 信息工程学院, 湖南 湘潭 411105
机器人视觉感知与控制国家工程实验室, 长沙 410012 
 
汤红忠 湘潭大学 信息工程学院, 湖南 湘潭 411105
机器人视觉感知与控制国家工程实验室, 长沙 410012 
 
许海霞 湘潭大学 信息工程学院, 湖南 湘潭 411105
机器人视觉感知与控制国家工程实验室, 长沙 410012 
 
摘要点击次数: 723
全文下载次数: 752
中文摘要:
      根据圆形图像目标中心对称特性,提出一种基于空间位置描述的抗旋转高效高鉴别二值模式特征提取方法.该方法在特征计算时通过径向变换重新构建局部坐标系统,并在此基础上实现具有抗旋转变换的空间对称区域的局部二值模式提取,同时池化操作采用了具有旋转不变性的环状空间划分,从而保证了最终特征描述的抗旋转变换能力.本文方法分别在欧元硬币数据集、QQ表情数据集、车标数据集上进行了测试,识别准确率最高分别达到100%、100%、97.07%,在具有旋转情况的欧元硬币和QQ表情数据集中优于传统的LBP特征和HOG特征,而且算法具有高效性,其单点计算时间只需0.045ms.
英文摘要:
      According to the center symmetric characteristic of circular image objects, this paper proposes an anti-rotation and efficient discriminative binary feature extraction method based on pairs of spatial symmetry structure. This method reconstructs the local coordinate system by radial transform during feature computation, based on it, then local binary pattern with anti-rotation of spatial symmetry regions are extracted. Meanwhile, the annular space is adopted to achieve rotation invariability during the feature pooling operation,which ensure the anti-rotation ability of final feature description. This method were tested in the euro coins, QQ expression and car logo data set, and the recognition accuracy reached 100%, 100% and 97.07% respectively, which is superior to traditional LBP and HOG features in euro coins and QQ expression datasets. Moreover, the algorithm is efficient, and the computation time for single point feature extraction is only 0.045ms.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利