Resumen

Propusimos un nuevo método de extracción de características gist para el reconocimiento de edificios y denominamos la característica extraída por este método como histograma de gradiente orientado basado en gist (HOG-gist). El método propuesto calcula individualmente los histogramas normalizados de gradientes multiorientados para la misma imagen con cuatro escalas diferentes. El enfoque tradicional utiliza los filtros de Gabor con cuatro ángulos y cuatro escalas diferentes para extraer los vectores de características gist de orientación de una imagen. Nuestro método, en cambio, utiliza el histograma normalizado del gradiente orientado como vectores de características gist de orientación de la misma imagen. Estos vectores gist de orientación basados en HOG, combinados con los vectores de características gist de intensidad y color, son los vectores HOG-gist propuestos. En general, el HOG-gist contiene cuatro histogramas de orientación múltiple (cuatro vectores de características gist de orientación), y su capacidad de descripción de la textura es mayor que la del gist tradicional que utiliza filtros Gabor con cuatro ángulos. Los resultados experimentales con la base de datos de edificios de Sheffield verifican la viabilidad y la eficacia de la propuesta HOG-gist.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:vector de características gist, características gist de orientación, hog propuesto, diferente escala, filtro gabor, histograma normalizado, gradiente orientado, imagen, hog, base de datos de edificios sheffield
• Keywords:gist features vector, orientation gist features, proposed hog, different scale, gabor filter, normalized histogram, oriented gradient, image, hog, sheffield building database