基于矩的新型图像块选择方法的增强型生物启发图像识别模型
计算机视觉与模式识别
2017-10-30 v1
摘要
生物启发模型（Biologically Inspired Model, BIM）是一种用于图像识别的鲁棒计算架构，已引起广泛关注。BIM 可描述为基于视觉皮层机制的四层结构。尽管 BIM 在图像识别方面表现鲁棒，但其采用随机方式进行图像块选择，这种方法具有盲目性并导致沉重的计算负担。为解决这一问题，我们提出了一种带有定向高斯 - 埃尔米特矩（oriented Gaussian-Hermite moment）的新型图像块选择方法（PSGHM），并基于该方法增强了 BIM，命名为 PBIM。与传统 BIM 在多尺度 Gabor 滤波器组处理的特征表示层中采用随机方法选择图像块不同，所提出的 PBIM 采用 PSGHM 方法提取少量表示特征，同时提供显著的区分度。为展示所提 PBIM 的有效性，我们在 CalTech05、TU Darmstadt (TUD) 和 GRAZ01 数据库上进行了物体分类实验研究。实验结果表明，PBIM 的性能较传统 BIM 有显著提升。
引用
@article{arxiv.1710.10188,
title = {Enhanced Biologically Inspired Model for Image Recognition Based on a Novel Patch Selection Method with Moment},
author = {Yan-Feng Lu and Li-Hao Jia and Hong Qaio and Yi Li},
journal= {arXiv preprint arXiv:1710.10188},
year = {2017}
}