2013_Signal-Processing-Image-Communication泛读
2015-04-17 10:52
288 查看
一些关于mobile visual search的文章,网上下载不到原文。
阅读时间:2015-04-16
关键点提取:
尺度空间局部极值点采用CenSurE算法(OpenCV中StarFeatureDetector),利用积分图像计算双层高斯拉普拉斯滤波器响应;
用Harris矩阵filter边缘响应;
关键点描述:
梯度方向直方图(HoG),增加了方向不变性(无需计算主方向):
区别于方形网格cell,文章采用环形cell;
将g=(dx,dy)进行径向基投影后(投影后的值不因图像旋转而变化),再计算直方图;
径向基投影可以直接用方向梯度算子计算,这步用来加速。
计算梯度强度和方向时可以用lookup-table;
采用Compressed HoG的方式,压缩直方图数据———-CHoG仅发布了binary file(已测试ubuntu下能运行),作者说source code有rightcopy;
特征维度压缩,作者也发在ICASSP2012:
相对PCA-SIFT,PCA是最小化数据误差的降维方法,文中提到应该最大化保留关键点间最近邻关系;
计算图像中所有特征点间的距离权重
XLXTAXLX^TA进行特征值分解,其中Di,i=∑jWij{D_{i,i}} = \sum\nolimits_j {{W_{ij}}} ,L=D−WL=D-W,求AA
计算压缩后的y,yi=ATxiy_i=A^Tx_i
图像匹配,图像S1中的所有关键点去匹配S2中的所有关键点,对于S1每一个点匹配时,级联步骤:
最近点/第二近点>T,;
图像S1中的匹配点总数/S1所有点>0.15;
如果没有过第2步,判断:图像S1中的匹配点总数>3;
后面的topology verification没看明白,看起来貌似对匹配到的关键点再做降维上的距离计算(不确定,留着以后有需要再研究);
阅读时间:2015-04-16
Rotation-invariant fast features for large-scale recognition and real-time tracking
这是一篇典型的特征点文章,作者Gabriel Takacs在文章中用了自己在CVPR10的RIFF描述子:Unified Real-Time Tracking and Recognition with Rotation-Invariant Fast Features。关键点提取:
尺度空间局部极值点采用CenSurE算法(OpenCV中StarFeatureDetector),利用积分图像计算双层高斯拉普拉斯滤波器响应;
用Harris矩阵filter边缘响应;
关键点描述:
梯度方向直方图(HoG),增加了方向不变性(无需计算主方向):
区别于方形网格cell,文章采用环形cell;
将g=(dx,dy)进行径向基投影后(投影后的值不因图像旋转而变化),再计算直方图;
径向基投影可以直接用方向梯度算子计算,这步用来加速。
计算梯度强度和方向时可以用lookup-table;
采用Compressed HoG的方式,压缩直方图数据———-CHoG仅发布了binary file(已测试ubuntu下能运行),作者说source code有rightcopy;
Laplacian embedding and key points topology verification for large scale mobile visual identification
二作Li Zhu前后在USA华为和USA三星工作过,文章关注最小化mobile请求传输bit率和最大化识别精度,提出了特征描述维度压缩和图像匹配方案。特征维度压缩,作者也发在ICASSP2012:
相对PCA-SIFT,PCA是最小化数据误差的降维方法,文中提到应该最大化保留关键点间最近邻关系;
计算图像中所有特征点间的距离权重
XLXTAXLX^TA进行特征值分解,其中Di,i=∑jWij{D_{i,i}} = \sum\nolimits_j {{W_{ij}}} ,L=D−WL=D-W,求AA
计算压缩后的y,yi=ATxiy_i=A^Tx_i
图像匹配,图像S1中的所有关键点去匹配S2中的所有关键点,对于S1每一个点匹配时,级联步骤:
最近点/第二近点>T,;
图像S1中的匹配点总数/S1所有点>0.15;
如果没有过第2步,判断:图像S1中的匹配点总数>3;
后面的topology verification没看明白,看起来貌似对匹配到的关键点再做降维上的距离计算(不确定,留着以后有需要再研究);
Selection of local features for visual search
在关键点传输时可以考虑减少关键点数量,文章提供了不同关键点数量时图片匹配的正确率。这是一篇实验性文章,没看到什么强有力的结论。作者Gianluca Francini公开了一个PPT,讲MPEG Compact Descriptors for Visual Search,应该是Telecom Italia在力推的 MPEG-7,链接,PPT中展示了一个很诱人的数据集,33590张图片,1M张干扰图,可惜没找到下载。Multimedia search and retrieval using multimodal annotation propagation and indexing techniques
多媒体检索,数据源除了图像还有声音、3D信息、文本等,有点超出当前研究内容,文章没读。JPSearch: An answer to the lack of standardization in mobile image retrieval
一种新的图片检索标准,是JPEG那边搞的,据说能与MPEG-7互补。但刚出来,具体内容未了解,等它发展起来了再关注。相关文章推荐
- 《Sparse and Redundant Representations:From Theory to Applications in Signal and Image Processing》序论
- Teaching: Excelent Website for Signal and image processing
- Teaching: Excelent Website for Signal and image processing
- Teaching: Excelent Website for Signal and image processing
- Teaching: Excelent Website for Signal and image processing
- Teaching: Excelent Website for Signal and image processing
- 各种图像处理类库的比较及选择(The Comparison of Image Processing Libraries)
- image and video processing听课笔记(二)
- Computer Vision and Image Processing-9_Edge Detection-思维导图
- 各种图像处理类库的比较及选择(The Comparison of Image Processing Libraries)
- CCS算法(Contour-Constrained Superpixels for Image and Video Processing)
- 4MULTI-DIMENSIONAL SIGNAL PROCESSING AND CIRCUITS FOR ADVANCED ELECTRONICALLY SCANNED ANTENNA ARRAYS
- image processing and computer vision web site
- Image Processing by Retina
- Signal Processing Primer(信号处理基础解析)
- ImageJ== Image Processing and Analysis in Java
- Image Processing for Dummies with C# and GDI+ Part 6 - The HSL color space
- Image Processing using C#
- OpenCV学习笔记13 OpenCV图像处理模块ImgProc Module. Image Processing(六)
- 《Multimedia Signals and Systems-Basic and Advanced Algorithms for Signal Processing》pdf百度云下载