A new manifold distance measure for visual object categorization
Fengfu Li; Xiayuan Huang; Hong Qiao; Bo Zhang
2016
会议名称arXiv
会议录名称arXiv
会议日期none
会议地点none
摘要Manifold distances are very effective tools for visual object recognition. However, most of the traditionalmanifold distances between images are based on the pixel-level comparison and thus easily affected by image rotations and translations. In this paper, we propose a new manifold distance to model the dissimilarities between visual objects based on the Complex Wavelet Structural Similarity (CW-SSIM) index. The proposed distance is more robust to rotations and translations of images than the traditionalmanifold distance and the CW-SSIM index based distance. In addition, the proposed distance is combined with the k-medoids clustering method to derive a new clustering method for visual objectcategorization. Experiments on Coil-20, Coil-100 and Olivetti Face Databases show that the proposeddistance measure is better for visual object categorization than both the traditional manifold distances and the CW-SSIM index based distances.
关键词None
文献类型会议论文
条目标识符http://ir.ia.ac.cn/handle/173211/12834
专题复杂系统管理与控制国家重点实验室_机器人理论与应用
通讯作者Fengfu Li
推荐引用方式
GB/T 7714
Fengfu Li,Xiayuan Huang,Hong Qiao,et al. A new manifold distance measure for visual object categorization[C],2016.
条目包含的文件
条目无相关文件。
个性服务
推荐该条目
保存到收藏夹
查看访问统计
导出为Endnote文件
谷歌学术
谷歌学术中相似的文章
[Fengfu Li]的文章
[Xiayuan Huang]的文章
[Hong Qiao]的文章
百度学术
百度学术中相似的文章
[Fengfu Li]的文章
[Xiayuan Huang]的文章
[Hong Qiao]的文章
必应学术
必应学术中相似的文章
[Fengfu Li]的文章
[Xiayuan Huang]的文章
[Hong Qiao]的文章
相关权益政策
暂无数据
收藏/分享
所有评论 (0)
暂无评论
 

除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。