Please wait a minute...
浙江大学学报（理学版）
浙江大学学报（理学版）  2017, Vol. 44 Issue (5): 599-605    DOI: 10.3785/j.issn.1008-9497.2017.05.016
地理信息系统     
基于特征点群相似度计算模型的图像表示方法
何敬1,2, 刘仁义1,2, 张丰1,2, 杜震洪1,2, 陈永佩1,2
1. 浙江大学 浙江省资源与环境信息系统重点实验室, 浙江 杭州 310028;
2. 浙江大学 地理信息科学研究所, 浙江 杭州 310027
An image representation method based on the similarity of feature points
HE Jing1,2, LIU Renyi1,2, ZHANG Feng1,2, DU Zhenhong1,2, CHEN Yongpei1,2
1. Zhejiang Provincial Key Lab of GIS, Zhejiang University, Hangzhou 310028, China;
2. Department of Geographic Information Science, Zhejiang University, Hangzhou 310027, China
 全文: PDF(1335 KB)   HTML  
摘要： 针对空间金字塔匹配模型缺乏对图像中视觉物体旋转、平移和缩放的考虑问题，提出了一种基于特征点群相似度计算模型的图像表示方法.基于词汇树模型的粗匹配结果，通过特征点群拓扑、方向、距离等计算其相似度，并以此作为评价指标对匹配结果进行过滤；根据由特征点群计算所得的标准差椭圆的圆心、旋转角度对金字塔匹配的图像划分子区域并进行调整，从而得到图像抗旋转、平移和缩放的表示.分别在自建校园建筑物数据集和自建物体图像数据集上对方法进行了验证和比较，结果表明，该方法提高了分类识别的准确率和检索的查全率，特别是对于包含明显旋转、平移和缩放变化的图像数据效果更好.
关键词： 特征点群相似度;  Voronoi图;  标准差椭圆;  FREAK特征描述;  空间金字塔匹配    
Abstract: To overcome the shortcoming of the Spatial Pyramid Matching (SPM) approach, which lacks invariance to translation, scale and rotation of visual objects in images, this paper proposes an image representation method based on the similarity of feature points. Firstly, it filters the rough matching result of bag-of-words by some properties including the topological similarity, the directional similarity and the distance similarity. Then, it adjusts the division of the image sub-regions according to the standard deviation ellipse center and the rotation angle of the feature points. Finally, the representation of anti-rotation, anti-translation and anti-scaling of image can be obtained. Experiments have been conducted by applying the proposed method to the campus building dataset and the object image dataset. It indicates that our method significantly improves the classification accuracy and recall ratio, especially for the dataset containing images with obvious rotation, translation and scaling transforms.
Key words: similarity of feature points    Voronoi diagram    standard deviational ellipse    FREAK feature description    spatial pyramid matching
收稿日期: 2016-12-12 出版日期: 2017-05-01
CLC:  P208  
基金资助: 测绘地理信息公益性行业科研专项（201512024）；国家自然科学基金资助项目（41671391，41471313）；国家科技基础性工作专项（2012FY112300）.
通讯作者: 杜震洪,ORCID:http://orcid.org/0000-0001-9449-0415,E-mail:duzhenhong@zju.edu.cn.     E-mail: duzhenhong@zju.edu.cn
作者简介: 何敬(1991-),ORCID:http://orcid.org/0000-0003-4164-442X,男,硕士研究生,主要从事移动GIS基础研究.
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
何敬
刘仁义
张丰
杜震洪
陈永佩

引用本文:

何敬, 刘仁义, 张丰, 杜震洪, 陈永佩. 基于特征点群相似度计算模型的图像表示方法[J]. 浙江大学学报（理学版）, 2017, 44(5): 599-605.

HE Jing, LIU Renyi, ZHANG Feng, DU Zhenhong, CHEN Yongpei. An image representation method based on the similarity of feature points. Journal of ZheJIang University(Science Edition), 2017, 44(5): 599-605.

链接本文:

https://www.zjujournals.com/sci/CN/10.3785/j.issn.1008-9497.2017.05.016    或    https://www.zjujournals.com/sci/CN/Y2017/V44/I5/599

[1] NISTER D,STEWENIUS H.Scalable recognition with a vocabulary tree[C]//IEEE Computer Society Conference on Computer Vision and Pattern Recognition. Washington:IEEE Computer Society,2006,2(10):2161-2168.
[2] LAZEBNIK S,SCHMID C,PONCE J.Beyond bags of features:Spatial pyramid matching for recognizing natural scene categories[C]//IEEE Computer Society Conference on Computer Vision & Pattern Recognition.Washington:IEEE Computer Society,2006:2169-2178.
[3] CALONDER M,LEPETIT V,OZUYSAL M,et al.BRIEF:Computing a local binary descriptor very fast[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,2011,34(7):1281-1298.
[4] RUBLEE E,RABAUD V,KONOLIGE K,et al.ORB:An efficient alternative to SIFT or SURF[C]//IEEE International Conference on Computer Vision. Washington:IEEE,2012:2564-2571.
[5] ALAHI A,ORTIZ R,VANDERGHEYNST P.FREAK:Fast retina keypoint[C]//IEEE Conference on Computer Vision andPattern Recognition, Washington:IEEE,2012:510-517.
[6] 索春宝,杨东清,刘云鹏,等.多种角度比较SIFT、SURF、BRISK、ORB、FREAK算法[J]. 北京测绘,2014(4):23-26. SUO C B, YANG D Q, LIU Y P. Comparing SIFT, SURF, BRISK, ORB and FREAK in some different perspectives[J].Beijing Surveying and Mapping,2014(4):23-26.
[7] 陈赟,沈一帆.基于词汇树的图片搜索[J]. 计算机工程,2010,36(6):189-191. CHEN Y,SHEN Y F. Image search based on vocabulary tree[J].Computer Engineering,2010,36(6):189-191.
[8] TRZCINSKI T,LEPETIT V,FUA P.Thick boundaries in binary space and their influence on nearest-neighbor search[J].Pattern Recognition Letters,2011,33(16):2173-2180.
[9] 张运超,陈靖,王涌天,等.基于移动增强现实的智慧城市导览[J]. 计算机研究与发展,2014,51(2):302-310. ZHANG Y C,CHEN J,WANG Y T,et al.Smart city guide using mobile augmented reality[J].Journal of Computer Research and Development,2014,51(2):302-310.
[10] 刘涛. 空间群(组)目标相似关系及计算模型研究[D].武汉:武汉大学,2011. LIU T.Similarity of Spatial Group Objects[D].Wuhan:Wuhan University,2011.
[11] 刘涛,杜清运,闫浩文.空间点群目标相似度计算[J]. 武汉大学学报:信息科学版,2011,36(10):1149-1153. LIU T,DU Q Y,YAN H W.Spatial similarity assessment of point clusters[J].Geomatics and Information Science of Wuhan University,2011,36(10):1149-1153.
[12] 石丹丹. 基于特征点空间关系的图像检索技术研究[D].南昌:南昌航空大学,2013. SHI D D. Image Retrieval Technology Research based on the Spatial Relations of Feature Points[D].Nanchang:Nanchang Hangkong University,2013.
[13] 朱道广,郭志刚,赵永威,等.基于空间上下文加权词汇树的图像检索方法[J]. 模式识别与人工智能,2013,26(11):1050-1056. ZHU D G,GUO Z G,ZHAO Y W.Image retrieval with spatial context weighting based vocabulary tree[J].Pattern Recognition and Artificial Intelligence,2013,26(11):1050-1056.
[1] 傅颖颖, 张丰, 杜震洪, 刘仁义. 融合图卷积神经网络和注意力机制的PM2.5小时浓度多步预测[J]. 浙江大学学报（理学版）, 2021, 48(1): 74-83.
[2] 曾金迪, 张丰, 吴森森, 杜震洪, 刘仁义. 基于空间自回归神经网络模型的空间插值研究[J]. 浙江大学学报（理学版）, 2020, 47(5): 572-581.
[3] 陆晔, 张伟, 李飞, 杜震洪, 张丰, 刘仁义. 一种基于主题时空价值的服务器端瓦片缓存算法[J]. 浙江大学学报（理学版）, 2020, 47(1): 12-19.
[4] 嵇晓峰, 张丰, 王中一, 杜震洪, 刘仁义. 基于着色模型实时构造的海洋流场动态流线可视化方法研究[J]. 浙江大学学报（理学版）, 2020, 47(1): 45-51.
[5] 刘尧, 王颖志, 王立君, 张丰, 杜震洪, 刘仁义. 交通事故的时空热点分析[J]. 浙江大学学报（理学版）, 2020, 47(1): 52-59.
[6] 张贝娜, 冯震华, 张丰, 杜震洪, 刘仁义, 周芹. 基于时空多视图BP神经网络的城市空气质量数据补全方法研究[J]. 浙江大学学报（理学版）, 2019, 46(6): 737-744.
[7] 贾玉杰, 杜震洪, 张丰, 刘仁义. 基于属性权重优化算法的土地利用绩效评价及差异分解分析[J]. 浙江大学学报（理学版）, 2019, 46(5): 610-618.
[8] 姜斌, 黄祥志, 杜震洪, 张丰, 刘仁义. 一种动态实时的遥感专题应用系统定制框架[J]. 浙江大学学报（理学版）, 2018, 45(6): 758-764.
[9] 祝琳莹, 张丰, 杜震洪, 刘仁义, 左玉强. 基于HBase与静态多级格网索引的地表覆盖数据高效检索方法[J]. 浙江大学学报（理学版）, 2018, 45(5): 595-604.
[10] 马小雯, 章笑艺, 来丽芳, 张丰, 杜震洪, 刘仁义. 基于地理探测器的浙江省空气质量风险因子分析[J]. 浙江大学学报（理学版）, 2018, 45(3): 351-362.
[11] 陈永佩, 杜震洪, 刘仁义, 张丰, 王炼刚. 一种引入实体的地理语义相似度混合计算模型[J]. 浙江大学学报（理学版）, 2018, 45(2): 196-204.
[12] 刘丽, 张丰, 杜震洪, 刘仁义, 贾玉杰. 基于深圳市出租车轨迹数据的高效益寻客策略研究[J]. 浙江大学学报（理学版）, 2018, 45(1): 82-91.
[13] 莫致良, 杜震洪, 张丰, 刘仁义. 基于可扩展多目标蚁群算法的土地利用优化配置[J]. 浙江大学学报（理学版）, 2017, 44(6): 649-659,674.
[14] 林雅萍, 杜震洪, 张丰, 刘仁义. “格网索引+MapReduce”策略下的地理国情统计分析研究[J]. 浙江大学学报（理学版）, 2017, 44(6): 660-665.
[15] 黄日鹏, 李加林, 叶梦姚, 姜忆湄, 史作琦, 冯佰香, 何改丽. 东南沿海景观格局及其生态风险演化研究——以宁波北仑区为例[J]. 浙江大学学报（理学版）, 2017, 44(6): 682-691.