局部特征描述子算法研究

《局部特征描述子算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫(kù)。

1、上海交通人學(xué)碩士學(xué)位論文局部特征描述子算法研究姓名：施鵬申請(qǐng)學(xué)位級(jí)別:碩士專業(yè):模式識(shí)別與智能系統(tǒng)指導(dǎo)教師：姚莉秀20080101上海交通人學(xué)碩士學(xué)位論文局部特征描述子算法研究摘要隨著人們獲取圖像的途徑和所獲圖像數(shù)量的增多，數(shù)字圖像處理里一些基礎(chǔ)性的研究方向變得更加至關(guān)重更。局部特征技術(shù)作為圖像特征抽取的關(guān)鍵技術(shù)近些年來(lái)得到了廣泛的研究和應(yīng)用。局部特征就是從圖像的局部結(jié)構(gòu)出發(fā),用局部信息來(lái)構(gòu)造出具有光照、兒何變換不變性的描述子，局部特征不依賴于圖像分割的結(jié)果因而其對(duì)于遮擋，重疊等情況具有良好的魯棒性，由此局部特征也成為了冃前特征

2、提取領(lǐng)域的主流算法。局部特征在圖像配準(zhǔn)，圖像檢索，圖像識(shí)別，紋理識(shí)別，視頻數(shù)據(jù)挖掘，圖像拼接，圖像分類等領(lǐng)域都有著廣泛的應(yīng)用。經(jīng)過(guò)近些年的研究局部特征提取技術(shù)得到了快速的發(fā)展，其基木思路大致都是首先檢測(cè)出圖像的特征點(diǎn)，而后基于特征點(diǎn)和它的鄰域信息構(gòu)造出穩(wěn)健的特征向量，最后將圖像匹配的問(wèn)題轉(zhuǎn)換為特征向量的度量問(wèn)題。然而，局部特征也存在著運(yùn)算量大，同時(shí)容易陷入局部信息而受到噪聲T擾的問(wèn)題，局部特征提取技術(shù)距離成熟還有很長(zhǎng)的路要走。木文總結(jié)了前人的研究成果，從特征點(diǎn)提取和描述子構(gòu)建兩方面闡述了局部特征，深入研究了齊種局部描述子的特點(diǎn)，

3、分析了這些技術(shù)的利弊。在前人的基礎(chǔ)上本文提出了一套局部描述子的提取方案，并將其應(yīng)用到圖像檢索上。本文的主要貢獻(xiàn)如下：1、針對(duì)現(xiàn)有圖像特征點(diǎn)提取算法都是從全局圖像搜索，本文引入了基于殘差的顯著性區(qū)域檢測(cè)，并改進(jìn)了這一算法。在顯著性區(qū)域檢測(cè)的基礎(chǔ)上檢測(cè)特征點(diǎn)可以有效的保證特征點(diǎn)的提取集中在圖像的物體部分，而避免了背景信息對(duì)特征提収帶來(lái)的影響，從而確保了局部特征反映圖像的本質(zhì)信息。同時(shí)濾除不必要的特征點(diǎn)也加快了算法處理的速度。2、針對(duì)現(xiàn)有描述子構(gòu)建算法總是從灰度信息入手，本文引入了顏色判別算法，構(gòu)建顏色直方圖作為特征提取的輔助信息。同

4、時(shí)基于像素梯度和像素灰度構(gòu)建了具備旋轉(zhuǎn)不變和光照不變的特征描述。顏色直方圖的引入可以有效的改善算法對(duì)于彩色圖像的分辨能力，解決了基于傳統(tǒng)算法對(duì)于那些在紋理和灰度上具有相似性而在顏色上具有差異性的對(duì)象難以判別的問(wèn)題。3、將局部信息應(yīng)用到圖像檢索上，提出了用顏色直方圖做初始匹配，而后III上海交通人學(xué)碩士學(xué)位論文在初始匹配的基礎(chǔ)上利用局部描述子做二次匹配的策略，通過(guò)這一方法可以人人的提高圖像檢索的速度，同時(shí)也可以改善匹配的效果。關(guān)鍵字：圖像檢索，局部描述子，顏色直方圖，顯著性區(qū)域檢測(cè)IV上海交通人學(xué)碩士學(xué)位論文STUDYONLOCA

5、LDESCRIPTORAbstractAlongwiththefastgrowthofthewaysandamountofhumans，imagegaining,somebasicresearchesindigitalimageprocessingbecamemoreandmoreimportant.Amongthem,localdescriptorisoneofthemostbasicandmostdifficultfieldsincomputervisionandpatternrecognition.Generally,lo

6、calfeatureisanimagepatternwhichdiffersfromitsimmediateneighborhood.Theyaredistinctive,donotrequiresegmentationandrobusttoocclusion,overlap,geometrictransformationandilluminationchange.Becauseofthesecharacteristics,localfeaturebecomethemostimportanttechnologyinfeature

7、extractiomLocalfeatureshaveproventobeverysuccessfulinapplicationssuchaswidebaselinematching,imageretrieval,objectrecognition,texturerecognition,robotlocalization,videodatamining,imagemosaicandrecognitionofobjectcategories?Throughdecades5researchinginthisfieldthetechn

8、ologyoflocalfeaturehasmadegreatprogress,theseapproachesfirstdetectfeaturesandthencomputeasetofdescriptorsforthesefeatures,afterthat