摘要：针对现有词包模型对目标识别性能的不足，对特征提取、图像表示等方面进行改进以提高目标识别的准确率。首先，以密集提取关键点的方式取代SIFT关键点提取，减少了计算时间并最大程度地描述了图像底层信息。然后采用尺度不变特征变换（Scale-invariant feature transform，SIFT）描述符和统一模式的局部二值模式（Local binary pattern，LBP）描述符描述关键点周围的形状特征和纹理特征，引入K-Means聚类算法分别生成视觉词典，然后将局部描述符进行近似局部约束线性编码，并进行最大值特征汇聚。分别采用空间金字塔匹配生成具有空间信息的直方图，最后将金字塔直方图相串联，形成特征的图像级融合，并送入SVM进行分类识别。在公共数据库中进行实验，实验结果表明，本文所提方法能取得较高的目标识别准确率。
分类：期刊> 自然科学与工程技术> 信息科技> 电信技术
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > SA 科学文摘(英) > JST 日本科学技术振兴机构数据库(日) > Pж(AJ) 文摘杂志(俄) > 剑桥科学文摘 > 国家图书馆馆藏 > 上海图书馆馆藏 > 文摘与引文数据库
关键词：词包模型 目标识别 形状特征 纹理特征
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
