项目名称: 基于改进型视觉注意模型的多模态极相似图像检索方法研究

项目编号: No.61501034

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 无线电电子学、电信技术

项目作者: 罗霄

作者单位: 北京理工大学

项目金额: 23万元

中文摘要: 多模态极相似图像的检索过程中存在如下问题:不同模态图像间与同一模态不同位置图像间都存在差异,现有图像检索算法不能很好的分辨差异来源,导致图像相似度度量标准失效。为解决上述问题,申请人提出了基于改进型视觉注意模型的多模态极相似图像检索算法,其步骤如下:1.分析人眼在比较可见光二维图像与计算机高精度三维建模投影图像时的关注区域变换过程,建立改进型的视觉注意模型;2.提取对图像采集位置变化敏感而对图像模态变化具有鲁棒性的关键参数集群,构建关注区域变化过程中的相似度衡量标准体系;3.将信号分类、信息融合的理念引入图像相似性度量,在保证检索速度的同时进一步提高图像底层特征信息在图像比对的不同阶段的相似性衡量标准精度;4.将该图像检索算法用于解决不同来源的二维图像在三维模型上的精细寻址问题,通过开展观测点运动过程中的目标区域精确跟踪及定位实验验证算法的精度和有效性。

中文关键词: 图像检索;特征匹配;多模影像特征分析;多模影像相似度测度;配准测度

英文摘要: In order to solve the problems in the multi-mode extremely similar image retrieval : the computer can not distinguish whether the difference comes from the different modal or just comes from the image content, which leads to the failure of similarity measure, this project proposes a multi-mode extremely similar image retrieval methods based on improved visual attention model. The main steps of this algorithm as follow: 1. Analyse the changing process of human eyes' visual attention model when they observing the visible light 2D image and 3D computer modeling projected images, and then build a new improved visual attention model just follow this changing process. 2. Extra the ey parameter group which sentitives to image acquisition position modification but robustness to image mode changing, and then build a similarity measure which focus on the visual attention area changing. 3. Take signal classification and information fusion into image similarity measure, improve the similarity meausre precision of image feature information during the different stages but not let the retrieval speed down. 4. Apply this image retrieval method in solving the problem such as addressing the multi-mode 2D image on the 3D model. At the end, verify the feasibility and accuracy of the multi-mode extremely similar image retrieval methods by using the target region accurate tracking and positioning experiment while the observation point is moving.

英文关键词: Image Retrieval;Feature Matching;Analysis of the Multi-mode Image Characteristics;Multi-mode Image Similarity Measure;Registration Measure

成为VIP会员查看完整内容
0

相关内容

从20世纪70年代开始,有关图像检索的研究就已开始,当时主要是基于文本的图像检索技术(Text-based Image Retrieval,简称TBIR),利用文本描述的方式描述图像的特征,如绘画作品的作者、年代、流派、尺寸等。到90年代以后,出现了对图像的内容语义,如图像的颜色、纹理、布局等进行分析和检索的图像检索技术,即基于内容的图像检索(Content-based Image Retrieval,简称CBIR)技术。CBIR属于基于内容检索(Content-based Retrieval,简称CBR)的一种,CBR中还包括对动态视频、音频等其它形式多媒体信息的检索技术。

知识荟萃

精品入门和进阶教程、论文和代码整理等

更多

查看相关VIP内容、论文、资讯等
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
14+阅读 · 2021年8月2日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
60+阅读 · 2021年3月25日
深度学习图像检索(CBIR): 十年之大综述
专知会员服务
46+阅读 · 2020年12月5日
专知会员服务
49+阅读 · 2020年6月14日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
专知会员服务
86+阅读 · 2019年12月13日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
14+阅读 · 2019年10月10日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16日
【泡泡一分钟】视觉(-惯性)里程计定量轨迹评估教程
泡泡机器人SLAM
35+阅读 · 2019年1月27日
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
3+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月15日
Transformers in Medical Image Analysis: A Review
Arxiv
39+阅读 · 2022年2月24日
小贴士
相关VIP内容
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
14+阅读 · 2021年8月2日
专知会员服务
44+阅读 · 2021年4月15日
专知会员服务
60+阅读 · 2021年3月25日
深度学习图像检索(CBIR): 十年之大综述
专知会员服务
46+阅读 · 2020年12月5日
专知会员服务
49+阅读 · 2020年6月14日
基于视觉的三维重建关键技术研究综述
专知会员服务
160+阅读 · 2020年5月1日
专知会员服务
86+阅读 · 2019年12月13日
相关资讯
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
计算机视觉方向简介 | 多视角立体视觉MVS
计算机视觉life
14+阅读 · 2019年10月10日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16日
【泡泡一分钟】视觉(-惯性)里程计定量轨迹评估教程
泡泡机器人SLAM
35+阅读 · 2019年1月27日
基于二进制哈希编码快速学习的快速图像检索
极市平台
12+阅读 · 2018年5月17日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
3+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
4+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员