基于非參數(shù)邊緣積分估計的局部特征描述子

基于非參數(shù)邊緣積分估計的局部特征描述子

ID:46631476

大?。?.87 MB

頁數(shù):9頁

時間:2019-11-26

基于非參數(shù)邊緣積分估計的局部特征描述子_第1頁
基于非參數(shù)邊緣積分估計的局部特征描述子_第2頁
基于非參數(shù)邊緣積分估計的局部特征描述子_第3頁
基于非參數(shù)邊緣積分估計的局部特征描述子_第4頁
基于非參數(shù)邊緣積分估計的局部特征描述子_第5頁
資源描述:

《基于非參數(shù)邊緣積分估計的局部特征描述子》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、2016年3月北京航空航天大學(xué)學(xué)報March2016第42卷第3期JournalofBeijingUniversityofAeronauticsandAstronauticsV01.42No.3http:ffbhxb.buaa.edu.C/1jbuaa@buaa.edu.cnDOI:10.13700/j.bh.1001-5965.2015.0156基于非參數(shù)邊緣積分估計的局部特征描述子鄭明國,吳成東+,陳東岳,賈同,金勇虎(東北大學(xué)信息科學(xué)與工程學(xué)院,沈陽110819)摘要:為提高圖像匹配性能提出了關(guān)于

2、局部區(qū)域特征描述子的統(tǒng)計模型。該模型是一種基于梯度模值及方向分布的邊緣積分函數(shù)模型。在離散梯度方向的邊緣積分函數(shù)與梯度矢量場的模值累積方向直方圖相同。采用基于核函數(shù)的非參數(shù)估計,估計了該函數(shù),應(yīng)用于尺度不變特征變換(SIFT)描述子。為了提高描述子的旋轉(zhuǎn)不變性、獨特性,降低運算復(fù)雜度,將特征點周圍的局部區(qū)域作為圓形,由徑向采樣網(wǎng)格劃分為8個子區(qū)域。在每個子區(qū)域估計邊緣積分函數(shù),特征向量由每個小塊8個方向的函數(shù)值組成。實驗表明,該描述子能夠提高旋轉(zhuǎn)變換的檢測率(查全率),降低運算復(fù)雜度。關(guān)鍵詞:梯度分布;

3、非參數(shù)估計;邊緣積分;尺度不變特征變換(SIFT);圖像匹配中圖分類號:V249.32+5;TP391.4文獻標識碼:A文章編號:1001—5965(2016)03—0497-09基于局部區(qū)域描述的圖像匹配方法廣泛地應(yīng)用于視覺導(dǎo)航、前景合成、圖像檢索以及目標跟蹤等¨剖。其中基于局部區(qū)域一階梯度分布的特征描述子被廣泛研究,例如尺度不變特征變換(ScaleInvariantFeatureTransform,SIFT)描述子”1、梯度方向直方圖(HistogramofOrientedGra-dient,HOG

4、)描述子”1和梯度定位與方向直方圖(GradientLocationandOrientationHistogram,GLOH)描述子哺3等。SIFT描述子在一些范圍內(nèi)具有尺度、旋轉(zhuǎn)、仿射、光照和壓縮不變性。旋轉(zhuǎn)以仿射不變性是視覺導(dǎo)航過程中很重要的因素。構(gòu)建基于一階梯度分布的特征算子的關(guān)鍵在于局部特征提取算法、采樣網(wǎng)格的方式以及直方圖統(tǒng)計算法。其中局部特征主要為梯度主方向或一階梯度分布。采樣網(wǎng)格的設(shè)計主要針對算子的不變性需求。例如,為了提高SIFT的旋轉(zhuǎn)不變性,研究人員提出了基于旋轉(zhuǎn)變換的直角坐標采樣網(wǎng)格

5、"o、極坐標采樣網(wǎng)格¨1和環(huán)采樣網(wǎng)格¨1等方法;針對仿射變換的采樣網(wǎng)格方法則大體包括基于圖像仿射變換的直角坐標采樣網(wǎng)格一1和徑向采樣網(wǎng)格"1等。關(guān)于組成直方圖的方法,除SIFT使用的傳統(tǒng)直方圖統(tǒng)計算法外,文獻[10]提出了一種統(tǒng)計模型,設(shè)梯度方向分布為圓形正態(tài)分布,并在此基礎(chǔ)上使用參數(shù)估計方法描述局部特征。但該算法沒有考慮梯度模值,只提到梯度方向,且特征向量維數(shù)比SIFT算法的維數(shù)增加了3倍,因此運算速度較慢。為了提高基于圖像梯度分布的局部特征描述子的不變性、實時性及準確性,提出了一種新的梯度分布統(tǒng)計模

6、型。用模值累積梯度方向直方圖作為離散邊緣積分函數(shù),使用非參數(shù)估計方法實現(xiàn)該函數(shù)的精確估計。針對視覺導(dǎo)航應(yīng)用中十分重要的圖像匹配算法的旋轉(zhuǎn)不變性問題,提出了基于徑向采樣網(wǎng)格的SIFT描述子,降低特征向量維收稿日期:2015-03.19;錄用日期:2015-07·17;網(wǎng)絡(luò)出版時間:2015-10-3016:05網(wǎng)絡(luò)出版地址:WWW.cnki.net/kcms/detail/11.2625.V.20151030.1605.002.html基金項目:國家自然科學(xué)基金(61273078)}通訊作者:Tel.:0

7、24-83687146E-mail:wuchengdong@ise.neu.edu.cn引用格式:鄭明國,吳成東,陳東岳,等.基于非參數(shù)邊緣積分估計的局部特征描述子fJJ.北京航空航天大學(xué)學(xué)報,2016,420):497—505.ZHENGMG。WUCD,CHENDY,eta1.LocalfeaturedescriptorbasedOilnonparametricmargihalintegrationestima—tionfJJ.JournalofBeijingUniversityofAeronauti

8、csandAstronautics,2016,42(3):497·505(inChinese).498北京航空航天大學(xué)學(xué)報2016年數(shù)和運算復(fù)雜度。1模值累積方向直方圖的統(tǒng)計模型直方圖是一種概率密度函數(shù)的離散形式,對它的估計方法分為2種:參數(shù)估計和非參數(shù)估計。若在局部領(lǐng)域內(nèi)像素的梯度方向分布形態(tài)已知,則估計稱為參數(shù)估計,反之則稱為非參數(shù)估計。如設(shè)方向分布為方向統(tǒng)計學(xué)的混合正態(tài)分布,方向分布估計為參數(shù)估計¨0

9、。本文設(shè)分布函數(shù)形態(tài)是未知的,用

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。