基于 FCCA 的多特征融合的检索方法

论文杂记
上一篇	主目录	下一篇

---

【前言】
出自电子工程设计2019.7期，中国石油大学（华东）计算机与通信工程学院，山东 青岛 266580
要点概述：

1. 基于 FCCA 的多特征融合的检索方法
2. 通过卷积神经网络获取图像位置和类别，提取颜色和纹理特征，通过典型相关分析方法将两个特征进行融合然后作为检索的依据，用欧氏距离进行匹配。

关键词：Faster-RCNN；典型相关分析；多特征融合；分类、检索

---

1 知识基础

1.1 卷积神经网络

CNN的工作原理

1.2 灰度共生矩阵

灰度直方图是对图像上单个像素具有某个灰度进行统计的结果，而灰度共生矩阵是对图像上保持某距离的两像素分别具有某灰度的状况进行统计得到的。
取图像(N×N)中任意一点 （x，y）及偏离它的另一点 （x+a，y+b），设该点对的灰度值为 （g1，g2）。令点（x，y） 在整个画面上移动，则会得到各种 （g1，g2）值，设灰度值的级数为 k，则（g1，g2） 的组合共有 k 的平方种。对于整个画面，统计出每一种 （g1，g2）值出现的次数，然后排列成一个方阵，再用（g1，g2） 出现的总次数将它们归一化为出现的概率P（g1，g2） ，这样的方阵称为灰度共生矩阵。距离差分值（