資源描述：
《基于尺度不變性的圖像特征提取方法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、基于尺度不變性的圖像特征提取方法研究作者姓名王斯正導(dǎo)師姓名、職稱姬紅兵教授一級(jí)學(xué)科控制科學(xué)與工程二級(jí)學(xué)科模式識(shí)別與智能系統(tǒng)申請(qǐng)學(xué)位類別工學(xué)碩士提交畢業(yè)論文日期2014年12月學(xué)校代碼10701學(xué)號(hào)1202121206分類TN82號(hào)TP39密級(jí)公開(kāi)西安電子科技大學(xué)碩士學(xué)位論文基于尺度不變性的圖像特征提取方法研究作者姓名：王斯正一級(jí)學(xué)科：控制科學(xué)與工程二級(jí)學(xué)科：模式識(shí)別與智能系統(tǒng)學(xué)位類別：工學(xué)碩士指導(dǎo)教師姓名、職稱：姬紅兵教授提交日期：2014年12月ResearchonScale-InvariancebasedMe
2、thodsforImageFeatureExtractionAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinControlScienceandEngineeringByWangSizhengSupervisor:Prof.JiHongbingDecember2014西安電子科技大學(xué)學(xué)位論文獨(dú)創(chuàng)性（或創(chuàng)新性）聲明秉承學(xué)校嚴(yán)謹(jǐn)?shù)膶W(xué)風(fēng)和優(yōu)良的科學(xué)道德，本人聲明所呈交的論文是我個(gè)人在導(dǎo)
3、師指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標(biāo)注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫(xiě)過(guò)的研究成果；也不包含為獲得西安電子科技大學(xué)或其它教育機(jī)構(gòu)的學(xué)位或證書(shū)而使用過(guò)的材料。與我一同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均已在論文中作了明確的說(shuō)明并表示了謝意。學(xué)位論文若有不實(shí)之處，本人承擔(dān)一切法律責(zé)任。本人簽名：日期：西安電子科技大學(xué)關(guān)于論文使用授權(quán)的說(shuō)明本人完全了解西安電子科技大學(xué)有關(guān)保留和使用學(xué)位論文的規(guī)定，即：研究生在校攻讀學(xué)位期間論文工作的知識(shí)產(chǎn)權(quán)單位屬于西安電子科技大學(xué)
4、。學(xué)校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學(xué)?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時(shí)本人保證，獲得學(xué)位后結(jié)合學(xué)位論文研究成果撰寫(xiě)的文章，署名單位為西安電子科技大學(xué)。保密的學(xué)位論文在年解密后適用本授權(quán)書(shū)。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要作為圖像特征提取技術(shù)的研究熱點(diǎn)之一，對(duì)圖像的尺度不變性特征的分析與研究越來(lái)越受到人們的重視，其核心是通過(guò)提取圖像中具有尺度不變性的特征點(diǎn)，生成對(duì)位移、放縮等具有較強(qiáng)不變性的圖像特征，以利于后續(xù)的圖像處理任務(wù)。本文基于圖像濾波與特
5、征提取的相關(guān)理論，重點(diǎn)研究了具有尺度不變性的圖像特征提取算法及其在圖像分類中的應(yīng)用。首先，研究了經(jīng)典的圖像濾波算法，詳細(xì)分述了各算法的思路、流程及特點(diǎn)。并針對(duì)原有的高斯濾波與Gabor濾波存在的局限，提出了基于高斯Gabor混合濾波的圖像濾波算法。在不同評(píng)估體系下進(jìn)行的圖像增強(qiáng)實(shí)驗(yàn)表明，所提的基于混合濾波方法的增強(qiáng)效果優(yōu)于傳統(tǒng)的圖像濾波方法，突出了圖像中的重要信息，提升了圖像的視覺(jué)效果，為改進(jìn)尺度不變特征提取算法提供了基礎(chǔ)。其次，研究了基于尺度不變性的圖像特征提取算法。針對(duì)SIFT(ScaleInvariantF
6、eatureTransform)算法中提取特征數(shù)量少、分布不均勻、提取錯(cuò)誤特征等問(wèn)題，結(jié)合高斯Gabor混合濾波提出了一種GSIFT(GaborSIFT)算法。GSIFT算法通過(guò)使用高斯Gabor混合濾波函數(shù)替代高斯函數(shù)構(gòu)建圖像尺度空間，在保證提取到的關(guān)鍵點(diǎn)具有尺度不變性的同時(shí)，能夠補(bǔ)償尺度空間中因高斯模糊丟失的圖像細(xì)節(jié)信息，從而產(chǎn)生更加豐富、均勻、準(zhǔn)確的圖像特征。在多個(gè)標(biāo)準(zhǔn)圖像數(shù)據(jù)庫(kù)的大量匹配實(shí)驗(yàn)表明，所提算法在提取特征方面較之傳統(tǒng)的SIFT算法具有更高的圖像匹配正確率，特別是在光照和仿射的干擾下，仍有較強(qiáng)的魯
7、棒性。最后，研究了基于尺度不變特征的圖像分類，即通過(guò)GSIFT算法所提取的特征進(jìn)行圖像識(shí)別應(yīng)用。針對(duì)SIFT系列算法提取的特征具有一定冗余性的缺點(diǎn)，先利用特征降維方法顯著降低GSIFT算法生成特征的維數(shù)，再輔以最近鄰分類器決策。在多個(gè)圖像數(shù)據(jù)庫(kù)和實(shí)測(cè)雷達(dá)輻射源信號(hào)集上的分類實(shí)驗(yàn)表明，基于GSIFT的降維分類算法能有效地降低特征的冗余性，而且較好地保留了圖像的尺度不變核心特征，并且其分類效果明顯優(yōu)于基于SIFT的降維分類算法。關(guān)鍵詞：特征提取，圖像濾波，特征匹配，圖像識(shí)別，特征降維論文類型：應(yīng)用基礎(chǔ)研究類I西安電子
8、科技大學(xué)碩士學(xué)位論文IIABSTRACTABSTRACTAsoneofthehottopicsinimagefeatureextractiontechnology,theresearchonscaleinvariancebasedfeatureextractionmethodshasgainedmuchattention.Aimingatgeneralimageproce
