论文部分内容阅读
随着信息技术的发展,越来越多的图像和视频出现在人们的生活中和互联网上。如何有效的管理和组织这些多媒体数据成为一个亟待解决的问题。对多媒体内容进行分析与理解,进而对多媒体数据进行基于内容的分类为有效的管理和组织这些数据提供了新途径。正确检测和识别出图像中目标的位置和类型,为多媒体的理解和分析提供了前提和保障,具有重要的意义。现有的基于局部特征的图像中目标检测和识别方法,常常遇到运算时间较高的问题。本文从探讨产生这个问题的本质原因出发,通过融合特征之间的空间相关性,提出了基于空间相关性的特征表达方法,采用空间相关树来保存特征的空间约束关系。在该特征表达方法的基础上,提出了基于空间相关树的空间集成辅助匹配算法(Spatial InteGrated Matching Association, SIGMA算法)来解决无序特征集合匹配问题,并将SIGMA算法应用在Logo检测和目标识别中。本文主要研究工作如下:首先,本文提出了基于空间相关性的特征表达方法,充分挖掘特征之间的空间约束关系,采用空间相关树的形式来表达特征。该特征表达方法有效的增加了原有特征组的判别能力。同时,本文在理论层面上分析了使用空间相关树进行特征表达而使判别力增加的根本原因,并提出了空间相关树判别力度量的形式化描述。实验结果表明,基于空间相关树的特征表达方法与传统无序特征集合相比判别力得到有效提高,同时也验证了所提出的判别力形式化描述方法的正确性;其次,以基于空间相关性的特征表达方法为基础,本文提出了空间集成辅助匹配算法(SIGMA算法)。该算法采用空间相关树的表达方式,根据空间相关树融合了空间约束关系以及判别力增强的特性,来缩小无序特征集合匹配过程中遍历范围并确定较优的遍历顺序。最后,本文将基于空间相关树的SIGMA算法应用在图像中的Logo检测和目标识别中。将SIGMA算法与SIFT特征有效的结合起来,发挥出SIFT特征在局部特征描述方面以及空间相关树在特征空间相关性表达方面的优势,提高检测和识别的性能。实验结果表明,SIGMA算法在无序特征集合匹配过程中能够在有效的降低处理时间的同时提高匹配的精度,同时也证明了所提出的SIGMA算法应用在Logo检测和目标识别中是具有优势的。