[發明專利]一種適用于協同學習分布式圖像特征提取算法

無效

• 申請號: 201110216720.8
• 申請日: 2011-07-29
• 公開（公告）號: CN102298701A
• 公開（公告）日: 2011-12-28
• 發明（設計）人: 王曉華
• 申請（專利權）人: 王曉華
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種適用于協同學習分布式圖像特征提取算法，其特征在于，該算法為：設圖像的Radon變換為g_θ(t)，則定義K階矩為

m_k(θ)＝∫t^kg_θ(t)dt

進一步，定義為g_θ(t)的質心；

用中心矩代替普通矩，獲得平移不變性；

μθ=∫(t-t‾θ)kgθ(t)dt]]>

mks(θ)=∫tsgθs(t)dt=λ2+k∫αkgθ(α)dα=λ2+kmk(θ)]]>

m0s(θ)=λ2m0(θ),m1s(θ)=λ3m0(θ),]]>令tθs‾=m1s(θ)/m0s(θ)=λtθ‾]]>則的k階中心矩為

μks(θ)=∫(t-t‾θ)kλgθ(tθ)dt=λ∫(λα-tθs‾)kgθ(α)λdα=λ2+kμk(θ)]]>

當圖像發生尺度變換時，設λ為尺度比例因子，其標準差變化如下

σ_s＝λσ

令m=1σ,]]>η_k(θ)＝m^2+kμ_k(θ)

ηks(θ)=(ms)2+kμks(θ)=(1σs)2+kμks(θ)=(1λσ)2+k·λ2+kμk(θ)=ηk(θ)]]>

其中，η_k(θ)為尺度和平移不變量；

最后，得到其偶階矩η＝[η₂，η₄，…η_2k]，計算該矩陣的奇異值，將得到的奇異值進行降序排列組成一向量，該向量即為該圖像并且具有平移、尺度和旋轉不變性的特征向量。