计算机视觉中改进的图像低维表示方法研究

摘要 对图像的低维表示进行学习，在图像处理和计算机视觉等多种应用中具有重要作用.当前方法要么需要对图像中的相应点手动标记界标，要么局限于特定对象或形状变形.为此，将图像低维表示问题建模为基于l2范数的组合优化问题，通过采取嵌套和组合策略，考虑了颜色、外观和形态方面的变化，进而提出一种可以同时实现图像颜色、外观和形态的图像低维表示算法.此外，通过将形态和外观的流形约束到低维子空间上，进一步降低了流形学习的采样复杂性.定量评估结果表明，本文方法的性能远优于目前典型的稳健型光流算法和SIFT流算法.此外，本文方法在图像浏览和关节学习等相关任务中也取得了令人满意的定性结果