基于压缩线性测量的几何相关图像分布式表示
计算机视觉与模式识别
2015-06-03 v1 多媒体
摘要
本文探讨了由物体运动或视觉传感器定位驱动的相关图像的分布式编码问题，重点关注图像以压缩线性测量进行编码的情况。我们提出了一种基于几何的相关性模型来描述图像对中的共同信息。我们假设自然图像的构成成分可以通过在不同图像中经历局部变换（例如平移）的视觉特征来捕获。我们首先通过使用几何基函数字典计算参考图像的稀疏近似来识别显著的视觉特征。然后，我们提出一个正则化优化问题，以估计由量化线性测量给出的相关图像中的对应特征。估计的特征必须符合压缩信息，并代表图像间一致的变换。相关性模型由对应特征之间的相对几何变换给出。接着，我们提出了一种高效的联合解码算法，该算法估计压缩图像，使其同时与量化测量和相关性模型保持一致。实验结果表明，所提算法有效地估计了多视图数据集中图像间的相关性。此外，所提算法提供了有效的解码性能，优于独立编码方案以及基于视差学习的最先进的分布式编码方案。
引用
@article{arxiv.1111.5612,
title = {Distributed Representation of Geometrically Correlated Images with Compressed Linear Measurements},
author = {Vijayaraghavan Thirumalai and Pascal Frossard},
journal= {arXiv preprint arXiv:1111.5612},
year = {2015}
}