利用独立分量分析的运动模糊图像检索

doi:10.3778/j.issn.1002-8331.2010.10.047

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (10): 147-149.DOI: 10.3778/j.issn.1002-8331.2010.10.047

• 图形、图像、模式识别 • 上一篇下一篇

利用独立分量分析的运动模糊图像检索

相林^1，2，崔荣一¹

1.延边大学计算机科学与技术学院智能信息处理研究室，吉林延吉 133002
2.淮阴工学院计算科学系，江苏淮安 223001

收稿日期:2008-09-23 修回日期:2008-12-08 出版日期:2010-04-01 发布日期:2010-04-01
通讯作者: 相林

Motion blurred image retrieval based on independent component analysis algorithm

XIANG Lin^1，2，CUI Rong-yi¹

1.Intelligent Information Processing Lab，Department of Computer Science and Technology，Yanbian University，Yanji，Jilin 133002，China
2.Department of Computing Science，Huaiyin Institute of Technology，Huai’an，Jiangsu 223001，China

Received:2008-09-23 Revised:2008-12-08 Online:2010-04-01 Published:2010-04-01
Contact: XIANG Lin

摘要/Abstract

摘要： 研究了独立分量分析（ICA）算法在运动模糊图像检索中的应用。首先，对图片库中的图像进行ICA处理，构造由相互独立的基向量构成的子空间，将图片库中的图像及运动模糊图像分别向该空间投影，获得各自的特征。其次，利用特征向量间的余弦距离作为相似度度量标准，根据最近邻准则进行特征匹配与图像检索。最后，对人为加入高斯噪声、进行45°和90°旋转的运动模糊以及缺损图像进行了匹配检索实验。实验结果表明，利用ICA算法提取出的特征可以准确地检索出运动模糊图像的原图像，并且对噪声污染、旋转变换和图像缺损具有良好的鲁棒性。

关键词: 独立分量分析, 运动模糊图像, 图像检索, 特征提取

Abstract: The Independent Component Analysis（ICA） algorithm is applied to the motion blurred image retrieval.Firstly，ICA is performed on the images in picture database to construct a subspace spanned by independent basis vectors，and the respective features of both images in the database and motion blurred are obtained by projecting them to the basis space.Then，using the similarity criterion of cosine distance，feature matching and image retrieving are realized according to nearest neighbor rule.Finally，the matching experiments for image retrieval are carried out with motion blurred images added Gaussian noise and rotated 45°and 90°，and furthermore，partially defective image.The experimental results show that original image corresponding to motion blurred one can be found accurately according to the features extracted by ICA，and the proposed algorithm is reasonably robust in noise，rotation and defectiveness.

Key words: independent component analysis, motion blurred image, image retrieval, feature extraction

中图分类号:

TP18

相林^1，2，崔荣一¹. 利用独立分量分析的运动模糊图像检索[J]. 计算机工程与应用, 2010, 46(10): 147-149.

XIANG Lin^1，2，CUI Rong-yi¹. Motion blurred image retrieval based on independent component analysis algorithm[J]. Computer Engineering and Applications, 2010, 46(10): 147-149.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[3]	胡文涛，陈秀宏. 基于邻域图的低秩投影学习[J]. 计算机工程与应用, 2021, 57(7): 209-214.
[4]	张晓丽，张魁星，江梅，魏本征，丛金玉. 淋巴瘤图像分类技术研究综述[J]. 计算机工程与应用, 2021, 57(6): 1-9.
[5]	熊健，覃仁超，何梦乙，刘建兰，唐风扬. 改进随机森林在Android恶意软件检测中的应用[J]. 计算机工程与应用, 2021, 57(3): 130-136.
[6]	李龙龙，何东健，王美丽. 基于改进型LBP算法的植物叶片图像识别研究[J]. 计算机工程与应用, 2021, 57(19): 228-234.
[7]	李杰，李苗，袁细国. 面向新一代测序数据的病原微生物检测算法[J]. 计算机工程与应用, 2021, 57(19): 282-289.
[8]	郭恒光，刘文彪，余仁波. 用于形状特征提取的spike函数[J]. 计算机工程与应用, 2021, 57(18): 220-226.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	刘星辰，贾俊铖，张莉，胡沁涵. 图像超分辨率特征浓缩网络[J]. 计算机工程与应用, 2021, 57(16): 213-219.
[11]	光睿智，安博文，潘胜达. 基于无锚框网络的航拍航道船舶检测算法[J]. 计算机工程与应用, 2021, 57(15): 251-258.
[12]	周小静，陈俊洪，杨振国，刘文印. 基于手势特征融合的操作动作识别[J]. 计算机工程与应用, 2021, 57(14): 169-175.
[13]	岳琪，徐忠亮，郭继峰. 面向混合乐器音乐分析的稀疏特征提取方法[J]. 计算机工程与应用, 2021, 57(14): 181-186.
[14]	谌贵辉，陈伍，李忠兵，易欣，刘会康，韩春阳. 残差卷积注意网络的图像超分辨率重建[J]. 计算机工程与应用, 2021, 57(12): 193-200.
[15]	郑淋文，周金治，黄静. 深度稀疏自编码器在ECG特征提取中的应用[J]. 计算机工程与应用, 2021, 57(11): 156-161.

利用独立分量分析的运动模糊图像检索

Motion blurred image retrieval based on independent component analysis algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics