基于隐式模型表示的对称物体检测算法

针对自然界中具有旋转对称特征物体的不规则性和随机性特点,提出一种新的图像旋转目标检测算法。使用基于隐式模型表示的方法来统计图像中关键点的空间位置分布,并在此基础上对物体的旋转中心进行估计。通过中层特征对图像中视觉感兴趣的关键点进行提取,在所提取关键点的特征空间进行无监督学习,将这些关键点所在空间位置聚类为不同的旋转特征簇,进而通过各个特征簇的投票值,获得在特定半径下的中心概率映射图。使用多半径尺度的显著度检测对各个半径下得到的概率映射图进行加权叠加,获得图像全局的旋转中心概率映射图,并通过显著度检测算法获取旋转中心坐标。实验结果表明,该算法对自然图像中不规则的旋转对称物体都能够进行有效的检测,对旋转对称中心的估计也具有较高的精度。