對草圖特征線的描述符用于大規(guī)模圖像檢索的一種評價-資料下載頁
2025-06-27 16:56本頁面
【正文】 梯度直接從二進(jìn)制表示中計算。碩癘鄴頏謅攆檸攜驤蘞鷥膠據(jù)實鰹贏。HOG描述符可以被看作是一個在MPEG7標(biāo)準(zhǔn)[27,28]中提出改進(jìn)的邊緣直方圖描述符（EHD）。梯度方向直方圖也被應(yīng)用到圖像中人的識別[38]，作為一種替代品來形成內(nèi)容[44]或篩選[45]。描述符符合我們的要求，因為它只考慮圖像的梯度，并且可以很容易的調(diào)用而不用考慮梯度的標(biāo)志。閿擻輳嬪諫遷擇楨秘騖輛塤鵜蘞鰱幟。對于每個單元，我們都計算它們的梯度方向，并插入到相應(yīng)的直方圖。我們在比較強梯度更容易被用戶描繪的假設(shè)基礎(chǔ)上，衡量每個條目長度的平方。讓為有著d寬度的單元的條狀體，然后我們定義k次寬度的比重，如下：氬嚕躑竄貿(mào)懇彈瀘頷澩紛釓鄧鰲鱺貼。 （2）其中： （3）其中e是一個任意的單位方向矢量，并且導(dǎo)致目標(biāo)的等價性。為計算兩個直方圖之間的距離，我們首先計算歸一化的來計算相鄰兩個單元的可能存在的不同梯度數(shù)： （4） 讓和表示兩種歸一化的直方圖，讓表示和之間的距離： （5） 最終，我們定義兩個邊緣直方圖描述符之間的距離和為： （6）由此產(chǎn)生的圖像是在圖4中用餅形圖顯示。與方向離散的直方圖過程相反，我們是在每一個單元中尋找一個單一的向量，盡可能與局部圖像的梯度平行。這個向量將代表這個單元的圖像“結(jié)構(gòu)”。我們提出這個作為最大化問題，并認(rèn)為系統(tǒng)矩陣對應(yīng)于所謂的結(jié)構(gòu)張量。我們只考慮有亮度的離散標(biāo)量圖像，這種方法可以很容易地推廣到多波段圖像[46]。釷鵒資贏車贖孫滅獅贅慶獷緞瑋鱘將。我們定義X是一個單位向量，它可代表單元的主要方向?？梢赃_(dá)到一個最大值，如果我們提出中x的定義按如下優(yōu)化組合：慫闡譜鯪逕導(dǎo)嘯畫長涼馴鴇撟鉍鲞謠。 （7）注意 （8）這意味著我們通過約束使二次函數(shù)在x處最大化。矩陣包含單元中梯度外成果的總和，并且通常被稱為結(jié)構(gòu)張量。我們使用拉格朗日乘數(shù)發(fā)現(xiàn)獨特的最大值，并設(shè)置到0，得到這個必要條件諺辭調(diào)擔(dān)鈧諂動禪瀉類謹(jǐn)覡鸞幀鮮奧。 （9）這意味著我們可以找到x作為的單位特征向量，與最大特征值對應(yīng)。特征值對應(yīng)的最大值和最小值二次函數(shù)，反映了梯度的分布。因此，結(jié)構(gòu)張量可以給出所有信息但不包括梯度的符號的一個緊湊的表示。嘰覲詿縲鐋囁偽純鉿錈癱懇跡見鮫請。為了獨立檢測相似方向的圖像邊緣的大小，我們存儲結(jié)構(gòu)張量用Frobenius范數(shù)進(jìn)行歸一化： （10）我們將兩個張量和之間的距離定義為兩個張量之間差異性的Frobenius范數(shù)： （11）最后，我們定義兩個張量描述符之間的距離為在他們相關(guān)單元所有張量距離之和： （12）圖4展示了得到的描述符圖像。 描述符變量7 /
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1