陈杨华,张少林
(浙江科技学院 理学院,杭州 310023)
图像自相关特征识别的算法改进
陈杨华,张少林
(浙江科技学院 理学院,杭州 310023)
将理论分析与具体操作相结合,简析相似图像识别的流程,包括关键点信息提取,如何利用关键点信息对颜色特征、纹理特征建立图内自相关模型。通过借鉴分词系统的思想,提出一种能够对特征数据进行结构化处理的方法。仿真结果表明,该方法能较准确地分配索引,并且能较快地匹配到相似图像。
图像识别;自相关特征;数据索引;算法改进
图像识别与处理作为近几年国内外研究的热点,目前已有了深度学习、卷积神经网络等识别率较高的算法[1-2],但这两种算法在具体图像识别应用中,如果学习率大就很有可能陷入局部极小值的问题。为了维持模型的稳定性,将学习率设置得很小,用大量的数据和训练时间来弥补缺陷,因此成本较大[3]。这两种算法内部属于黑盒,存在大量的阈值和权值[4],无法将局部特征单独提取成对应属性。针对上述不足,在中小平台没有巨大的数据支持情况下,使用笔者研究的方法具有以下优点:成本低,性价比高,采用距离匹配原则,不需要大量的数据和训练时间;使用高斯滤波进行特征提取的优化,因其对称及模糊化的特性,保证了特征匹配的精确性和稳定性,由此减轻了高维度下产生的过拟合影响;相比于其他特征提取方法,关键点特征提取在图像关键信息保留的情……