科研之友
微信
新浪微博
Facebook
分享链接
摘要
对网络中三维景观图像样品进行查询,在提高图像利用率方面具有重要作用。由于网络的开放性及可扩展性,使得三维景观图像复杂且质量易变;传统查询方法主要通过三维景观图像视觉信息进行查询,忽略了图像转载过程中产生的尺度变化和噪声的干扰,导致查询不完整,制约了图像的使用率,提出基于极端学习机的三维景观图像样品查询方法。采用非采样轮廓波变换对图像不同尺度、同方向的高频方向子带求多尺度积,考虑到三维景观图像旋转后各个方向子带在图像中的能量所占比不会发生变化,将三维景观图像各方向子带的能量占比作为概率矢量,各方向子带的粗糙度作为权值求取三维景观图像的加权信息熵,提取三维景观图像的颜色和形状特征,在三维景观图像边缘信息特征查询反馈阶段,将三维景观图像最大边际准则引入到极端学习中,通过分析极端学习机的类内离散度和类间离散度获得包含图像判别边缘信息的分类模型,以提高三维景观图像样品查询能力。实验结果表明,该方法对旋转变换适应性较强,显著提高了三维景观图像样品查询效率。
- 出版日期2017
- 单位东北大学
