基于描述子与稀疏性约束的图像信息恢复方法研究

Feature description is the common key technique in the fields of object recognization, image processing and computer vision. Descriptor constructing is the main way for feature description, and essentially descriptor constructing is a problem of reducing the dimensionality of image data with preserving main image structural information. However, there has been little research on the issue of how to reconstrct image information from its descriptor, and up to now these descriptors can be only evaluated by turning to applications such as image matching and retrivel, because of lacking of direct methods for descriptor evaluatation. Focus on the inverse problem of descriptor constructing, this project investigates the problem of descriptor based image information reconstruction using the compressive sensing theory, the main content of which includes: (1) Image information reconstruction method based on binary descriptors under the simple model, which is started from the simple model and mainly reseachs on the mathematical model and objective function for binary descriptor, and algorithm designing. (2) Image information reconstruction method based on binary descriptor under the general model, which mainly reseachs on objective function and algorithm designing using the general sparse matrix. (3) Image information reconstruction method based on real descriptors, which mainly refers to the problem base on real descriptors. (4) Algorithm performance, which involves database building, algorithm testing, optimization and evaluating. This reseach will enrich and develop the theory and methods related to feature description.

特征描述是物体识别、图像处理及计算机视觉领域的共性关键技术,构造描述子是特征描述的主要方式，描述子构造本质上是保持图像结构下的数据降维问题。但是，如何从描述子中恢复出图像信息一直缺乏相应研究，目前描述子保持图像结构的能力只能借助图像匹配、检索识别等应用间接进行评价，而一直缺乏直接的评价方法。针对构造描述子的反问题，本课题在压缩感知框架下研究基于描述子的图像信息恢复方法，主要内容包括：(1)简化模型下基于二值型描述子的图像信息恢复研究，从简单问题入手研究二值型描述子的数学建模、优化函数及算法设计；(2)一般模型下基于二值型描述子的图像信息恢复研究，主要研究稀疏矩阵为一般形式时目标函数构造及算法设计；(3)基于实数型描述子的图像信息恢复研究，主要基于实数型描述子进行建模及算法设计研究；(4)算法评价，建立图像库并进行算法测试、优化及评价。本课题研究是对特征描述相关理论与方法的重要补充与发展。

特征描述是物体识别、图像处理及计算机视觉领域的共性关键技术,构造描述子是特征描述的主要方式，描述子构造本质上是保持图像结构下的数据降维问题。但是，如何从描述子中恢复出图像信息一直缺乏相应研究，目前描述子保持图像结构的能力只能借助图像匹配、检索识别等应用间接进行评价，而一直缺乏直接的评价方法。针对构造描述子的反问题，本课题在压缩感知框架下研究基于描述子的图像信息恢复方法，主要内容包括：(1)简化模型下基于二值型描述子的图像信息恢复研究，从简单问题入手研究二值型描述子的数学建模、优化函数及算法设计；(2)一般模型下基于二值型描述子的图像信息恢复研究，主要研究稀疏矩阵为一般形式时目标函数构造及算法设计；(3)基于实数型描述子的图像信息恢复研究，主要基于实数型描述子进行建模及算法设计研究；(4)算法评价，建立图像库并进行算法测试、优化及评价。本课题研究是对特征描述相关理论与方法的重要补充与发展。本项目根据项目的研究内容开展研究，顺利完成项目的预期目标。本项目合计发表论文18篇（其中，SCI检索7篇，EI检索8篇，接收并在线发表SCI论文1篇），获得国家发明专利授权5项，获得河南省科技进步二等奖1项，培养硕士研究生6人。