在目标检索领域,当前主流的解决方案是视觉词典法(Bag of Visual Words,BoVW),然而,传统的BoVW方法具有时间效率低、内存消耗大以及视觉单词同义性和歧义性的问题。针对以上问题,该文提出了一种基于随机化视觉词典组和查询扩展的目标检...在目标检索领域,当前主流的解决方案是视觉词典法(Bag of Visual Words,BoVW),然而,传统的BoVW方法具有时间效率低、内存消耗大以及视觉单词同义性和歧义性的问题。针对以上问题,该文提出了一种基于随机化视觉词典组和查询扩展的目标检索方法。首先,该方法采用精确欧氏位置敏感哈希(Exact Euclidean LocalitySensitive Hashing,E2LSH)对训练图像库的局部特征点进行聚类,生成一组支持动态扩充的随机化视觉词典组;然后,基于这组词典构建视觉词汇分布直方图和索引文件;最后,引入一种查询扩展策略完成目标检索。实验结果表明,与传统方法相比,该文方法有效地增强了目标对象的可区分性,能够较大地提高目标检索精度,同时,对大规模数据库有较好的适用性。展开更多
该文采用了BoVW(Bag of Visual Word)视觉词袋模型进行基于内容的图像检索,主要研究了视觉词袋模型的各个过程常用的方法,选择各个过程中目前比较先进的方法,最后进行检索实验,计算平均查准率.结果表明,使用视觉词袋模型进行图像检索具...该文采用了BoVW(Bag of Visual Word)视觉词袋模型进行基于内容的图像检索,主要研究了视觉词袋模型的各个过程常用的方法,选择各个过程中目前比较先进的方法,最后进行检索实验,计算平均查准率.结果表明,使用视觉词袋模型进行图像检索具有较好的检索效果.展开更多
基金国家重点研发计划(2017YFF0106404)国家自然科学基金(51675160)+4 种基金河北省应用基础研究计划重点基础研究资助项目(15961701D)河北省高层次人才资助项目(GCC2014049)河北省人才工程培养经费资助项目(A201500503)江苏省双创人才资助项目European Horizon 2020 through Marie Sklodowska-Curie Individual Fellowship Scheme(707466-3DRM)
文摘针对多视图融合点云片段的闭环检测问题,提出一种基于视觉词典的闭环检测方法,该方法避免了O(N2)的匹配复杂度的问题.首先对融合后的点云进行去除边缘响应等预处理.然后对每个点云片段提取尺度不变特征变换Scale Invariant Feature Transform (SIFT)关键点,计算快速点特征直方图Fast Point Feature Histogram (FPFH)描述子,将描述子空间离散化处理构建三维特征的视觉词典树,利用树状结构的词典加快了验证几何片段的对应关系.为了保证检测闭环候选系统的可靠性,采用了点云重叠区域作为几何验证的标准.最后,利用公开的数据集进行测试,得到了较高的召回率与准确率.实验结果证明了该方法可以实现自动的全局配准.