权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Research on flexible image matching of two dimensional object

二维物体柔性图像匹配研究

基本信息

批准号：
23500225
负责人：
WAKAHARA Toru
金额：
$ 1.41万
依托单位：
Hosei University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2011
资助国家：
日本
起止时间：
2011 至 2013
项目状态：
已结题

项目摘要

1. A new, affine-invariant image matching technique via KL (Kullback-Leibler) divergence minimization was proposed. First, we represented a grayscale image as a probability distribution. Second, we introduced KL divergence between an affine-transformed input image and a template using their corresponding probabilty distributions. Finally, we determined optimal affine parameters that minimize KL divergence using an iterative method.2. A drastic acceleration of GAT correlation to realize distortion-tolerant image matching with far less computational burden was proposed. The key ideas were separation of variables and generation of lookup tables in the original GAT computational model. A powerful combination of k-NN classification and accelerated GAT correlation techniques achieved the state-of-the-art recognition accuracy in handwritten numeral recognition.

1.提出了一种基于KL（Kullback-Leibler）散度最小化的仿射不变图像匹配新方法。首先，我们将灰度图像表示为概率分布。其次，我们引入KL分歧之间的仿射变换的输入图像和模板使用其相应的概率分布。最后，利用迭代方法确定了使KL散度最小的最优仿射参数.提出了一种快速的GAT相关算法，以较小的计算量实现图像的抗畸变匹配。其关键思想是分离的变量和生成的查找表在原来的GAT计算模型。一个强大的组合k-NN分类和加速GAT相关技术实现了国家的最先进的手写体数字识别的识别精度。

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Affine-invariant recognition of handwritten characters via accelerated KL divergence minimization

通过加速 KL 散度最小化的仿射不变识别手写字符

DOI：
10.1109/icdar.2011.221
发表时间：
2011
期刊：
Proceedings of 2011 International Conference on Document Analysis and Recognition
影响因子：
0
作者：
T.Wakahara;Y.Yamashita
通讯作者：
Y.Yamashita

GPT相関法による2D射影変換に不変な画像マッチング

使用 GPT 相关方法对二维投影变换的图像匹配不变性