《IEEE Access》:Feature Space Quantization and Application of Metrics in Structural Methods of Image Recognition
编辑推荐:
该研究旨在简化采用关键点描述子集合形式进行描述的结构化图像分类方法中的决策规则并降低计算负荷。研究重点在于分类器的实现以及对基准描述子基本集合量化工具特性的探讨。经量化后,基准模板与被分析图像通过向紧凑中心点集合投影而表示为数值向量。该方法使得能够引入度量(m
该研究旨在简化采用关键点描述子集合形式进行描述的结构化图像分类方法中的决策规则并降低计算负荷。研究重点在于分类器的实现以及对基准描述子基本集合量化工具特性的探讨。经量化后,基准模板与被分析图像通过向紧凑中心点集合投影而表示为数值向量。该方法使得能够引入度量(metrics)工具,并提供比传统投票(voting)方法更高速的分类。文中讨论了通过引入将描述子分配给系统中心点的阈值来改进该方法。在所考察的数据处理方案中,分类速度增益随基准模板数量成比例增长。论文给出了基于历史古迹图像实验库的所提方法软件建模结果;测试样本由基准库内图像及库外图像构成,并对后者施加位移、尺度与旋转等几何变换。研究人员探讨了为建立描述子等价性并最小化类投票数以保障所需分类精度而选择阈值参数的实际问题。测试证实了采用量化与Tanimoto度量(Tanimoto metric)可显著加速分类过程并保持足够高的分类精度,建模中实现了约十倍加速。实验研究了基准库构建特点及几何变换参数范围选择对方法的影响。所考察方法应在具有高性能要求的实用计算机视觉任务中实施。
研究背景与动机
现代计算机视觉系统依赖模式识别四大类方法:决策理论、正交变换、结构方法与神经网络。神经网络面临训练算法设计、内存占用大、仿射变换不变性不足及通用性差等局限;而结构方法以关键点描述子(keypoint descriptors)集合表示对象,仅需固定基准(etalon)库与特征空间中的有效分类规则,可规避上述部分限制。但在传统“与基准比较”模型中,判断两幅图像描述集合的相似度需计算向量集交集,而实际应用中允许描述子间存在给定阈值内的距离,导致邻域重叠、决策模糊;同时直接对结构描述求统计中心效果差。为简化决策规则、降低计算量并保持精度,研究人员提出将描述子集合投影到量化特征空间,以多集(multiset)向量表示图像,从而可用严密的度量工具替代耗时的逐描述子最近邻投票。
论文发表于《IEEE Access》,研究通过对基准库全体描述子进行聚类量化,得到M个量子中心W={wj}j=1M,将每幅图像(基准或待识对象Z)的描述子按竞争规则(8)分配到最近中心,形成整数计数向量φ[Ek]与φ[Z](维度M),以此作为多集在中心基上的投影。分类阶段用Tanimoto度量(6)(7)计算φ[Z]与各φ[Ei]的相似度,取最小距离对应类为决策(13),并以阈值δρ过滤远离中心的噪声描述子。实验以历史古迹图像为基准库,测试集含库内图像及施以位移、尺度、旋转变换的库外图像,对比所提量化+度量法与传统两阶段投票法(R1+R2)的精度pr(5)与耗时。
主要关键技术方法
研究人员采用SIFT类关键点检测器提取n维二值描述子,空间记为Bn(card Bn=2n);对N个基准描述集合E={Ek}k=1N全体描述子用自学习聚类(如Kohonen网络)量化为M个不重叠簇Tj及中心wj;描述子分配用Hamming距离竞争规则(8);图像表示为M维整数计数向量(多集);相似度计算采用Tanimoto度量(6)(7),其集基数由多集交并差公式(9)-(12)给出;分类决策为argmini μ(φ[Z],φ[Ei])(13);引入δρ控制描述子入簇,δh控制最低投票数。实验平台为软件建模,样本队列为历史古迹图像库(含库内基准与施位移/尺度/旋转之库外图)。
研究结果
SECTION I. Introduction. Literature Review
综述四大识别范式,指出结构法结合决策理论与特征变换可避神经网络缺陷;指出现有等价性判定因阈值邻域重叠而模糊,直接统计中心失效;引述聚类/Kohonen/哈希等量化手段可将描述子集投影至量子空间,使多集度量可行,并回顾哈希与量化神经网络等相关工作,明确本文在前期基础上引入度量与阈值过滤、对比投票法速度。
SECTION II. Materials and Methods
A. Formal Definition of the Classification Task
形式化N个基准类,图像描述Z与Ek为Bn中有限二值向量集;传统投票法分R1(1)(2)逐描述子最近邻定类与R2(4)按最高票hk且hk≥δh决类;以ρm≤δρ(3)判等价。此两阶段法需线性扫描全基准描述子,随N增大计算量陡增。
B. Tanimoto Metric for Determining Relevance
给出Tanimoto度量定义μ(A,B)=card(AΔB)/card(A∪B)(6)及代数形(7),说明其对多集重复元素敏感,适合评估两计数向量的整体相关度。
C. Calculating a Metric Between Data Sets in a Quantized Vector Space
将全体基准描述子聚为M簇,得中心W与划分E=∪j=1MTj;按(8)将任意描述子z投至最近中心得簇号,全图累计为φ向量;多集交并差基数由(9)-(12)求和得;分类决策(13)取μ最小者;δρ用于在投影前剔除距所有中心过远的描述子(噪声/背景),从而在保证与基准一致性的同时加速。
讨论与结论翻译浓缩
研究人员讨论认为,量化特征空间使描述子等价性被离散化为簇成员关系,消除了连续阈值邻域重叠带来的模糊;引入δρ可过滤干扰描述子,δh平衡拒绝分类与误识。软件建模显示:分类速度相对传统投票法最高达约10倍提升,且随基准数N增加增益比例上升;在位移、尺度、旋转变换下历史古迹图像测试集中保持足够分类精度pr。Tanimoto度量较投票非对称相似度更适合多集计数向量。基准库构建需注意描述子覆盖度,几何变换参数范围影响δρ选定。结论为:特征空间量化+多集Tanimoto度量能在略降(或保)精度下大幅加速结构图像分类,适用于需高速决策的实用计算机视觉任务;未来可结合哈希与深度特征压缩进一步调优。