【技术实现步骤摘要】
本专利技术涉及计算机视觉、概率统计、黎曼几何
,具体利用深层卷积神经网络特征建模混合高斯模型,并针对混合高斯模型之间相似性的度量,提出一种高效且鲁棒的度量算法。
技术介绍
在图像处理过程中,图像的特征表示作为图像处理的第一步,有着非常重要的作用。图像的特征表示主要通过一系列算法将图像表示为一个或多个数学意义上的矩阵。现阶段的图像特征表示方法主要分为两类:基于手工设计的特征和基于深层卷积神经网络的特征。前者计算简单高效,包括Scale-invariant feature transform(SIFT)、Histogram of Oriented Gradient(HOG)、Local Binary Pattern(LBP)等,后者虽然计算时间较长,但是有很强的描述能力,常用的卷积神经网络包括Krizhevsky等人在文献[Krizhevsky A,Sutskever I,Hinton G E.Imagenet classification with deep convolutional neural networks[C],NIPS 2012:1097-1105]中提出的AlexNet,以及之后研究者在此基础上提出的GoogleNet、VGGNet等。本方法利用Simonyan等人在文献[Simonyan K,Zisserman A.Very deep convolutional networks for large-scale image recognition[C],ICLR 2015]中提出的19层的VGGNet提取图像的深度特征,以表示图像。 ...
【技术保护点】
一种基于改进的推土距离的混合高斯模型匹配方法,其特征在于以下步骤:步骤1:提取图像的深层卷积神经网络特征;将图像与已训练好的卷积神经网络CNN进行卷积运算,将网络的最后一层卷积层输出作为图像的卷积神经网络特征;步骤2:混合高斯模型建模图像;利用GMM描述图像的深层卷积神经网络特征在特征空间的分布,每幅图像由1个含有多个单高斯分布的GMM模型表示;所述的利用深层卷积神经网络特征建模混合高斯模型,具体过程如下:首先,利用已经训练好的19层的VGGNet提取图像的深层卷积神经网络特征,对于一幅图像的特征,用含有n个单高斯的混合高斯模型G表示;G=Σi=1nωigi=Σi=1nωiN(X|μi,Σi)---(1)]]>其中,N(X|μi,∑i)表示权重为ωi的第i个单高斯,μi,∑i分别表示第i个单高斯的均值向量和协方差矩阵;步骤3:利用改进的推土距离算法计算图像之间的距离,通过步骤2,图像之间的距离转化为了GMM模型之间的距离,利用I‑EMD算法计算GMM之间的距离;在I‑EMD算法计算过程中,利用三种不同测地距离度量两个高斯 ...
【技术特征摘要】
1.一种基于改进的推土距离的混合高斯模型匹配方法,其特征在于以下步骤:步骤1:提取图像的深层卷积神经网络特征;将图像与已训练好的卷积神经网络CNN进行卷积运算,将网络的最后一层卷积层输出作为图像的卷积神经网络特征;步骤2:混合高斯模型建模图像;利用GMM描述图像的深层卷积神经网络特征在特征空间的分布,每幅图像由1个含有多个单高斯分布的GMM模型表示;所述的利用深层卷积神经网络特征建模混合高斯模型,具体过程如下:首先,利用已经训练好的19层的VGGNet提取图像的深层卷积神经网络特征,对于一幅图像的特征,用含有n个单高斯的混合高斯模型G表示; G = Σ i = 1 n ω i g i = Σ i = 1 n ω i N ( X | μ i , Σ i ) - - - ( 1 ) ]]>其中,N(X|μi,∑i)表示权重为ωi的第i个单高斯,μi,∑i分别表示第i个单高斯的均值向量和协方差矩阵;步骤3:利用改进的推土距离算法计算图像之间的距离,通过步骤2,图像之间的距离转化为了GMM模型之间的距离,利用I-EMD算法计算GMM之间的距离;在I-EMD算法计算过程中,利用三种不同测地距离度量两个高斯分布之间的距离;步骤4:计算相似性矩阵;通过第3步,计算所图像之间的距离,构成距离矩阵;步骤5:图像匹配并返回结果;对于图像分类问题,将第4步得到的相似性矩阵送入核化的支持向量机(Kernel SVM)中进行分类;对于图像检索问题,利用步骤4计算得到的距离矩阵,返回与被检索图像距离最小的N幅图片。2.根据权利要求1所述的一种基于改进的推土距离的混合高斯模型匹配方法,其特征在于,所述利用改进的推土距离算法计算图像之间的距离,具体过程如下:对于图像I1和I2,它们的GMM分别为和表示高斯分布和之间的测地距离;EMD算法的表达式为: E M D ( G 1 , G 2 ) = min f 12 d 12 T f 12 s . t . A 12 f 12 = W , f 12 ...
【专利技术属性】
技术研发人员:李培华,王旗龙,郝华,
申请(专利权)人:大连理工大学,
类型:发明
国别省市:辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。