张量子空间降维的边缘图像匹配

肖传民; 史泽林; 刘云鹏

张量子空间降维的边缘图像匹配

1.
中国科学院沈阳自动化研究所,辽宁沈阳 110016;
2.
中国科学院大学,北京 100049

基金项目:

中国科学院光电信息处理重点实验室基金(Y2F4060401)

详细信息

作者简介:
肖传民(1978-),男,博士生,主要从事自动目标识别技术研究工作。Email: xiaochuanmin@sia.cn

中图分类号: V19

Image matching algorithm based on tensor subspace dimensionality reduction

1.
Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;
2.
University of Chinese Academy of Sciences,Beijing 100049,China

摘要: 针对传统基于向量子空间降维的图像匹配算法易丢失像素间邻域关系和计算量大的问题,提出一种基于张量子空间降维的边缘图像匹配算法。通过双边投影变换提取边缘图像的张量子空间,在降低特征空间维数的同时保持边缘特征之间的邻域关系,同时采用边缘膨胀后的互相关度量模板与实时图的相似性。标准人脸数据库和红外实时图像的匹配实验结果表明:该算法在匹配时间、匹配正确率、匹配精度3方面较传统基于向量子空间的匹配算法有显著的性能提高,并且对杂波和部分遮挡有较强的适应性。
- 图像匹配 /
- 张量子空间降维 /
- 边缘特征 /
- 相似性度量
Abstract: An image matching algorithm based on tensor subspace dimensionality reduction was proposed to the questions of easily losing relationships between pixels and intensively computational problems using traditional vector subspace methods. The algorithm extracts tensor subspace by employing two-sided projection transformation in edge images, reducing dimension of feature space and preserving the relationships between edge pixels. The algorithm measured the similarity between template and real-time image by calculating the correlation of dilated binary images. Experimental results on the standard face database and real IR images show that the new algorithm can improve the computational efficiency remarkably,and has a higher matching rate and matching precision than traditional vector subspace methods. The proposed algorithm can also be applied in cluttering and partially occluded circumstances.
- image matching /
- tensor subspace dimensionality reduction /
- edge feature /
- similarity measurement

[1]	He X, Yan S, Hu Y, et al. Face recognition using Laplacianfaces[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, 27(3): 328-340.
[2]	Qiao Xiangchen, Zao Zhuang. Research on the algorithm of image matching based on improvedSIFT[C]//International Conference on Information Technology for Manufacturing Systems, 2014, 686: 348-353.
[3]	Wang Sujing, Zhou Chunguang, Zhang Na, et al. Face recogniton using second-order discriminant tensor subspace analysis[J]. Neurocomputing, 2011, 74(12): 2142-2156.
[4]	Wang Sujing, Yang Jian, Zhang Na, et al. Tensor discriminant color space for face recognition[J]. IEEE transactions on Image Processing, 2011, 20(9): 2490-2501.
[5]	Tang Kewei, Liu Risheng, Du Hui, et al. Reduction method based on tensor and lorentzian geometry[J]. Acta Automatica Sinica, 2011, 37(9): 1151-1156. (in Chinese) 唐科威, 刘日升, 杜慧, 等. 一种基于张量和洛仑兹几何的降维方法[J]. 自动化学报, 2011, 37(9): 1151-1156.
[6]	Zhao Yongqiang, Zhang Guohua, Jie Feiran, et al. Multi-band infrared targets discrimination based on tensor filters[J]. Infrared and Laser Engineering, 2011, 40(10): 1862-1865. (in Chinese) 赵永强, 张国华, 揭裴然, 等. 基于张量滤波器的多波段红外目标辨识[J]. 红外与激光工程, 2011, 40(10): 1862-1865.
[7]	Tao Dacheng, Li Xuelong, Wu Xindong, et al. General tensor discriminant analysis and gabor features for gait recognition[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence, 2007, 29(10): 1700-1715.
[8]	Xiao Chuanmin, Shi Zelin, Xia Renbo, et al. A edge detection algorithm based on visual saliency[J]. Information and Control, 2014, 43(1): 9-13. (in Chinese) 肖传民, 史泽林, 夏仁波, 等. 一种基于视觉显著性的图像边缘检测算法[J]. 信息与控制, 2014, 43(1): 9-13.
[9]	Chen Enqing, Wang Jianbo, Qi Lin, et al. A novel multiscale edge detection approach based on nonsubsampled contourlet transform and edge tracking[J]. Mathematical Problems in Engineering, 2015, 2015: 504725.
[10]	Zhang H L, Ravat D, Maragoni Y R. Edge detection of potential-field sources using normalized anisotropy variance[J]. Society of Exploration Geophysicists, 2014, 79(3): 43-53.
[11]	Cawley G C, Talbot N L C. Preventing over-fitting during model selection via Bayesian regularization of the hyper-parameters[J]. Journal of Machine Learning Research, 2007, 8(4): 841-861.

[1]	王向军, 李名洋, 王霖, 刘峰, 王玮. 边缘信息引导多级尺度特征融合的显著性目标检测方法 . 红外与激光工程, 2023, 52(1): 20220344-1-20220344-10. doi: 10.3788/IRLA20220344
[2]	马丹丹. 图像分块匹配的SAR目标识别方法 . 红外与激光工程, 2021, 50(10): 20210120-1-20210120-8. doi: 10.3788/IRLA20210120
[3]	王靖, 魏亮, 向文豪, 张贵阳, 霍炬. 考虑圆形特征边缘模糊和偏心误差修正的高精度相机标定方法 . 红外与激光工程, 2021, 50(12): 20210130-1-20210130-11. doi: 10.3788/IRLA20210130
[4]	赵晓枫, 魏银鹏, 杨佳星, 蔡伟, 张志利. 综合相似性在红外目标隐身效果评估中的应用 . 红外与激光工程, 2020, 49(1): 0104004-0104004(11). doi: 10.3788/IRLA202049.0104004
[5]	刘永峰, 王年, 王峰, 李从利, 刘晓, 徐国明. 基于谱间相似性的高光谱图像稀疏超分辨率算法 . 红外与激光工程, 2019, 48(S1): 181-192. doi: 10.3788/IRLA201948.S128003
[6]	蔡怀宇, 武晓宇, 卓励然, 黄战华, 王星宇. 结合边缘检测的快速SIFT图像拼接方法 . 红外与激光工程, 2018, 47(11): 1126003-1126003(7). doi: 10.3788/IRLA201847.1126003
[7]	黄卓, 陈凤东, 刘国栋, 魏富鹏, 彭志涛, 唐军, 刘楠. 连接向量特征匹配的暗场图像配准方法 . 红外与激光工程, 2018, 47(11): 1126005-1126005(6). doi: 10.3788/IRLA201847.1126005
[8]	王林华, 袁明辉, 黄慧, 朱亦鸣. 太赫兹安检系统人体图像边缘物体识别 . 红外与激光工程, 2017, 46(11): 1125002-1125002(6). doi: 10.3788/IRLA201746.1125002
[9]	王天宇, 董文博, 王震宇. 基于单目视觉和固定靶标的位姿测量系统 . 红外与激光工程, 2017, 46(4): 427003-0427003(8). doi: 10.3788/IRLA201746.0427003
[10]	卢丙辉, 陈凤东, 刘炳国, 刘国栋, 戚子文. 基于映射图像匹配的子孔径拼接技术 . 红外与激光工程, 2016, 45(8): 824005-0824005(6). doi: 10.3788/IRLA201645.0824005
[11]	赵爱罡, 王宏力, 杨小冈, 陆敬辉, 何星. 融合几何特征的压缩感知SIFT描述子 . 红外与激光工程, 2015, 44(3): 1085-1091.
[12]	普晗晔, 王斌, 张立明. 基于流形学习的新高光谱图像降维算法 . 红外与激光工程, 2014, 43(1): 232-237.
[13]	李勇, 荀显超, 王青竹. 基于高维张量奇异值分解的图像加密 . 红外与激光工程, 2014, 43(S1): 243-247.
[14]	谢易辰, 陈健, 闫镔, 童莉, 曾磊, 崔明明. 三维特征点距离特征集合求交匹配算法 . 红外与激光工程, 2014, 43(8): 2728-2732.
[15]	王国刚, 史洪岩, 汪滢, 袁德成. 仿射不变子空间特征及其在图像匹配中的应用 . 红外与激光工程, 2014, 43(2): 659-664.
[16]	胡晓彤, 王建东. 基于子空间特征向量的三维点云相似性分析 . 红外与激光工程, 2014, 43(4): 1316-1321.
[17]	杨绪峰, 林伟, 延伟东, 温金环. 采用热核特征的SAR图像目标识别 . 红外与激光工程, 2014, 43(11): 3794-3801.
[18]	童涛, 杨桄, 孟强强, 孙嘉成, 叶怡, 陈晓榕. 基于边缘特征的多传感器图像融合算法 . 红外与激光工程, 2014, 43(1): 311-317.
[19]	陈宝国, 张学峰, 牛英宇. 改进的基于神经网络的非均匀性校正算法 . 红外与激光工程, 2013, 42(3): 574-578.
[20]	杨新锋, 滕书华, 夏东. 基于空间变换迭代的SIFT特征图像匹配算法 . 红外与激光工程, 2013, 42(12): 3496-3501.

点击查看大图

计量

文章访问数: 410
HTML全文浏览量: 70
PDF下载量: 142
被引次数: 0

全文HTML

参考文献 (11)

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

张量子空间降维的边缘图像匹配

作者简介:
肖传民(1978-),男,博士生,主要从事自动目标识别技术研究工作。Email: xiaochuanmin@sia.cn

Image matching algorithm based on tensor subspace dimensionality reduction

计量

张量子空间降维的边缘图像匹配

1. 中国科学院沈阳自动化研究所,辽宁沈阳 110016;

2. 中国科学院大学,北京 100049

作者简介:
肖传民(1978-),男,博士生,主要从事自动目标识别技术研究工作。Email: xiaochuanmin@sia.cn

English Abstract

Image matching algorithm based on tensor subspace dimensionality reduction

1. Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;

2. University of Chinese Academy of Sciences,Beijing 100049,China

全文HTML

目录

留言板

张量子空间降维的边缘图像匹配

作者简介: 肖传民(1978-),男,博士生,主要从事自动目标识别技术研究工作。Email: xiaochuanmin@sia.cn

Image matching algorithm based on tensor subspace dimensionality reduction

计量

出版历程

张量子空间降维的边缘图像匹配

1. 中国科学院沈阳自动化研究所,辽宁 沈阳 110016; 2. 中国科学院大学,北京 100049

作者简介: 肖传民(1978-),男,博士生,主要从事自动目标识别技术研究工作。Email: xiaochuanmin@sia.cn

English Abstract

Image matching algorithm based on tensor subspace dimensionality reduction

1. Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China; 2. University of Chinese Academy of Sciences,Beijing 100049,China

全文HTML

目录

作者简介:
肖传民(1978-),男,博士生,主要从事自动目标识别技术研究工作。Email: xiaochuanmin@sia.cn

1. 中国科学院沈阳自动化研究所,辽宁沈阳 110016;

2. 中国科学院大学,北京 100049

作者简介:
肖传民(1978-),男,博士生,主要从事自动目标识别技术研究工作。Email: xiaochuanmin@sia.cn

1. Shenyang Institute of Automation,Chinese Academy of Sciences,Shenyang 110016,China;

2. University of Chinese Academy of Sciences,Beijing 100049,China