-
公开(公告)号：CN106649624B
公开(公告)日：2020-03-03
申请号：CN201611109737.2
申请日：2016-12-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于全局关系一致性约束的局部特征点验证方法。本发明包括三部分：离线学习、局部特征点量化和特征点投票验证。离线学习用于视觉词汇词典的构建。局部特征点量化包括三步骤：1.局部特征点的提取。2.特征描述子的量化。3.主方向、尺度和方位量化；视觉词汇验证部分所使用的方法包括两种，一种是弱关系一致性验证，一种是强几何验证。两种方法均采用投票的机制验证候选特征点，步骤类似：1.候选图像与候选特征点的获取。2.通过投票验证候选特征点。本发明能够适应图像裁剪、旋转、尺度缩放等变换带来的影响，可用于基于视觉词汇的图像检索和分类等应用中。
-
公开(公告)号：CN105678349B
公开(公告)日：2018-12-07
申请号：CN201610005159.1
申请日：2016-01-04
Applicant: 杭州电子科技大学
IPC: G06K9/72
Abstract: 本发明涉及一种视觉词汇的上下文描述子生成方法。本发明包括离线学习、上下文描述子生成和上下文描述子相似性计算。离线学习用于视觉词汇词典的构建和视觉词汇的评价。上下文描述子生成步骤如下：1.局部特征点的提取和特征描述子的量化；2.上下文的选择；3.上下文中局部特征点的特征提取和上下文描述子的生成。上下文描述子相似性计算依据上下文描述子中局部特征点的方位、主方向和视觉词汇一致性来验证两个上下文描述子中的局部特征点是否匹配，并通过匹配的视觉词汇的反文档频率的和来评价两个上下文描述子的相似性。本发明构建的上下文描述子能够适应图像裁剪、旋转、尺度缩放等变换带来的影响，可用于基于视觉词汇的图像检索和分类等应用中。
-
公开(公告)号：CN106649624A
公开(公告)日：2017-05-10
申请号：CN201611109737.2
申请日：2016-12-06
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于全局关系一致性约束的局部特征点验证方法。本发明包括三部分：离线学习、局部特征点量化和特征点投票验证。离线学习用于视觉词汇词典的构建。局部特征点量化包括三步骤：1.局部特征点的提取。2.特征描述子的量化。3.主方向、尺度和方位量化；视觉词汇验证部分所使用的方法包括两种，一种是弱关系一致性验证，一种是强几何验证。两种方法均采用投票的机制验证候选特征点，步骤类似：1.候选图像与候选特征点的获取。2.通过投票验证候选特征点。本发明能够适应图像裁剪、旋转、尺度缩放等变换带来的影响，可用于基于视觉词汇的图像检索和分类等应用中。
-
公开(公告)号：CN105678349A
公开(公告)日：2016-06-15
申请号：CN201610005159.1
申请日：2016-01-04
Applicant: 杭州电子科技大学
IPC: G06K9/72
CPC classification number: G06K9/723
Abstract: 本发明涉及一种视觉词汇的上下文描述子生成方法。本发明包括离线学习、上下文描述子生成和上下文描述子相似性计算。离线学习用于视觉词汇词典的构建和视觉词汇的评价。上下文描述子生成步骤如下：1.局部特征点的提取和特征描述子的量化；2.上下文的选择；3.上下文中局部特征点的特征提取和上下文描述子的生成。上下文描述子相似性计算依据上下文描述子中局部特征点的方位、主方向和视觉词汇一致性来验证两个上下文描述子中的局部特征点是否匹配，并通过匹配的视觉词汇的反文档频率的和来评价两个上下文描述子的相似性。本发明构建的上下文描述子能够适应图像裁剪、旋转、尺度缩放等变换带来的影响，可用于基于视觉词汇的图像检索和分类等应用中。
-
-
-
Search Results
4
records
(took 0.018 seconds)
