版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領
文檔簡介
1、針對數(shù)字圖像的版權(quán)保護問題,研究人員已經(jīng)做了大量的研究。其中,基于內(nèi)容的圖像拷貝檢測技術(shù)研究已經(jīng)取得了較大的進展。現(xiàn)有的圖像拷貝檢測算法,主要是依靠Bag-of-Words(BOW)模型,該模型將局部特征量化為視覺單詞后進行匹配,可以有效的提高匹配效率。然而,在局部特征的量化過程中,區(qū)分性大大降低,導致出現(xiàn)很多的錯誤匹配對。這些錯誤匹配降低了拷貝檢測的準確率。本文針對上述不足,提出兩種結(jié)合BOW模型和上下文信息的圖像拷貝檢測方案,具體研
2、究成果如下:
1)提出了一種結(jié)合BOW模型和空間上下文內(nèi)嵌的圖像拷貝檢測算法
為了提高局部特征的區(qū)分性,本文提出一種新的空間上下文內(nèi)嵌方法。此方案在預處理階段為圖像中的每個SIFT特征選擇若干穩(wěn)定的上下文特征,然后將它和周圍上下文特征的空間關(guān)系編碼為空間描述子,并且把這些空間描述子都嵌入索引中??截悪z測過程中,如果經(jīng)過BOW量化到得到一對SIFT匹配對,這一對SIFT特征的空間描述子就會被進一步匹配,從而提高局部描述
3、子的區(qū)分性。此外,為了提高空間描述子的匹配效率,本方案還提出了一種二級匹配結(jié)構(gòu),在保證匹配效果前提下,能夠有效加速空間描述子的匹配過程。
2)提出了一種結(jié)合BOW模型和全局上下文驗證的圖像拷貝檢測算法
針對BOW模型匹配準確性不高的問題,本文提出的方案首先通過BOW量化匹配得到圖像之間所有匹配的SIFT特征對,然后利用每一對SIFT匹配對的旋轉(zhuǎn)和尺度不變性構(gòu)造重疊區(qū)域,并從兩個重疊區(qū)域提取全局上下文描述子(OR-GC
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于空間上下文的人體檢測算法研究.pdf
- 結(jié)合上下文和信任關(guān)系的推薦算法研究.pdf
- 上下文感知的評分預測算法研究.pdf
- 基于上下文的圖像理解算法研究.pdf
- 基于詞袋模型和上下文信息的圖像對象分割系統(tǒng).pdf
- 基于上下文信息的語義圖像分類研究.pdf
- 基于上下文一致性的拷貝圖像檢索研究.pdf
- 上下文信息和顏色信息融合的目標跟蹤算法研究.pdf
- 基于上下文和深度信息的目標跟蹤算法研究.pdf
- 基于上下文信息的Web圖像標注研究.pdf
- 基于上下文信息的目標跟蹤算法研究.pdf
- 上下文感知推薦算法研究.pdf
- 基于上下文的圖像標注研究.pdf
- 基于上下文信息的運動目標跟蹤算法的研究.pdf
- 基于上下文的靜止圖像和極光圖像壓縮.pdf
- 上下文感知系統(tǒng)框架及不一致上下文信息處理算法研究.pdf
- 基于上下文的目標檢測研究.pdf
- 基于圖像視覺上下文的多元IB聚類算法.pdf
- 智能移動空間中上下文感知模型的研究.pdf
- 基于上下文感知的推薦算法研究.pdf
評論
0/150
提交評論