【摘要】：鑒于當(dāng)前基于采樣模型的二值描述子的采樣信息相關(guān)度高且描述子的魯棒性較低,通過(guò)改進(jìn)視網(wǎng)膜采樣模型,提出基于采樣點(diǎn)組二值化策略的魯棒二值描述子。首先,通過(guò)減少采樣層數(shù)并增大采樣點(diǎn)間的距離,設(shè)計(jì)出低采樣點(diǎn)密度和低采樣區(qū)域重疊度的改進(jìn)視網(wǎng)膜采樣模型。然后,在模型中的采樣點(diǎn)圓形鄰域內(nèi)獲取若干像素點(diǎn),將其與采樣點(diǎn)一起組成采樣點(diǎn)組,分別計(jì)算兩個(gè)采樣點(diǎn)組對(duì)應(yīng)點(diǎn)的灰度對(duì)比結(jié)果,并利用投票策略決定最終二值結(jié)果。最后,將采樣點(diǎn)組的梯度對(duì)比信息與灰度對(duì)比信息一起編碼生成描述子,以提高對(duì)相似灰度區(qū)域的描述力。通過(guò)對(duì)比實(shí)驗(yàn)可以看出,所提二值描述子對(duì)各種圖像變化具有較好的魯棒性且具有較好的匹配效果。
[Abstract]:In view of the high correlation of sampling information and the low robustness of the descriptor based on the sampling model, a robust binarization descriptor based on the binarization strategy of sampling points is proposed by improving the retinal sampling model. Firstly, by reducing the number of sampling layers and increasing the distance between sampling points, an improved retinal sampling model with low sampling point density and low sampling area overlap is designed. Then, a number of pixel points are obtained in the circular neighborhood of the sample points in the model, which are combined with the sampling points to form the sampling points group. The gray contrast results of the corresponding points of the two sample points groups are calculated respectively, and the final binary results are determined by voting strategy. Finally, the gradient contrast information of the sample group is coded together with the gray contrast information to generate a descriptor to improve the describing power of the similar gray area. The comparison experiments show that the proposed binary-valued descriptor is robust to various image changes and has a better matching effect.
【作者單位】： 河南理工大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61472119,61572173,61472373,61401150) 計(jì)算機(jī)視覺(jué)與圖像處理創(chuàng)新團(tuán)隊(duì)(T2014-3) 河南理工大學(xué)杰出青年基金項(xiàng)目:基于二值特征描述子的圖像匹配方法研究(J2016-3)資助
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 周正東,章品正,舒華忠,周衛(wèi)平,李松毅,於文雪;基于小波惟一描述子的多邊形逼近方法[J];數(shù)據(jù)采集與處理;2005年01期

2 王志衡;吳福朝;;均值-標(biāo)準(zhǔn)差描述子與直線匹配[J];模式識(shí)別與人工智能;2009年01期

3 劉仰龍;王從慶;高玨;許榮華;;基于小波描述子的水果果形分類(lèi)[J];浙江大學(xué)學(xué)報(bào)(農(nóng)業(yè)與生命科學(xué)版);2010年03期

4 王志衡;智珊珊;劉紅敏;;基于亮度序的均值標(biāo)準(zhǔn)差描述子[J];模式識(shí)別與人工智能;2013年04期

5 田時(shí)髦;汪增福;;一種對(duì)亮度變化魯棒的局部特征描述子及其快速生成算法[J];小型微型計(jì)算機(jī)系統(tǒng);2013年08期

6 盧鴻波;孫愿;張志敏;;采用旋轉(zhuǎn)匹配的二進(jìn)制局部描述子[J];中國(guó)圖象圖形學(xué)報(bào);2013年10期

7 惠國(guó)保;李東波;童一飛;;基于優(yōu)化采樣模式的緊湊而快速的二進(jìn)制描述子[J];自動(dòng)化學(xué)報(bào);2014年02期

8 王濤,劉文印,孫家廣,張宏江;傅立葉描述子識(shí)別物體的形狀[J];計(jì)算機(jī)研究與發(fā)展;2002年12期

9 劉微;;精簡(jiǎn)顏色描述子研究[J];吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年03期

10 王明俊;王萍;王玲;;基于傅立葉描述子的中長(zhǎng)跑自動(dòng)計(jì)圈技術(shù)研究[J];科學(xué)技術(shù)與工程;2009年03期

相關(guān)會(huì)議論文 前10條

1 金培權(quán);周英華;岳麗華;龔育昌;;基于歷史拓?fù)浜兔枋鲎拥臅r(shí)空變化表示[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2003年

2 張靜茹;何耀;劉興濤;朱明清;陳宗海;;基于區(qū)域協(xié)方差描述子的視頻靜止目標(biāo)檢測(cè)[A];第13屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集[C];2011年

3 蔡占川;孫偉;畢寧;齊東旭;;基于U描述子物體形狀的識(shí)別[A];全國(guó)網(wǎng)絡(luò)與信息安全技術(shù)研討會(huì)'2005論文集（下冊(cè)）[C];2005年

4 張波;鄒建成;劉旭麗;;一類(lèi)新的Ⅴ描述子在形狀識(shí)別中的應(yīng)用[A];中國(guó)幾何設(shè)計(jì)與計(jì)算新進(jìn)展2007——第三屆中國(guó)幾何設(shè)計(jì)與計(jì)算大會(huì)論文集[C];2007年

5 王建;朱明清;趙宇宙;郭明瑋;陳宗海;;基于含時(shí)切割平面和區(qū)域協(xié)方差描述子的跳躍行為識(shí)別方法[A];第13屆中國(guó)系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會(huì)論文集[C];2011年

6 鐵小勻;鐘文琦;劉雪;鄒建成;;一種新的基于Ⅴ描述子的圖形水印技術(shù)[A];中國(guó)幾何設(shè)計(jì)與計(jì)算新進(jìn)展2007——第三屆中國(guó)幾何設(shè)計(jì)與計(jì)算大會(huì)論文集[C];2007年

7 戴岳剛;明東;;基于數(shù)學(xué)描述子的步態(tài)圖像處理方法研究[A];天津市生物醫(yī)學(xué)工程學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)暨首屆生物醫(yī)學(xué)工程前沿科學(xué)研討會(huì)論文集[C];2009年

8 熊剛強(qiáng);齊東旭;;基于分段多項(xiàng)式描述子和BP網(wǎng)絡(luò)的形狀識(shí)別方法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

9 陳興峰;顧行發(fā);李紫薇;余濤;鄭進(jìn)軍;郭丁;;基于“凈化邊界的傅立葉描述子”圖像形狀特征提取[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

10 原琨;姚鴻勛;紀(jì)榮嶸;;基于時(shí)空關(guān)聯(lián)的角色關(guān)系挖掘[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

相關(guān)博士學(xué)位論文 前9條

1 曹祝樓;醫(yī)學(xué)圖像配準(zhǔn)中的若干關(guān)鍵問(wèn)題研究[D];山東大學(xué);2015年

2 李瑩瑩;圖像局部特征描述子的構(gòu)建研究[D];合肥工業(yè)大學(xué);2015年

3 尚俊;圖像二進(jìn)制描述子及其目標(biāo)識(shí)別算法研究[D];華中科技大學(xué);2016年

4 唐可可;基于局部形狀描述和匹配選擇的三維物體識(shí)別系統(tǒng)[D];中國(guó)科學(xué)技術(shù)大學(xué);2017年

5 洪曉鵬;新型二階統(tǒng)計(jì)描述子及其在物體檢測(cè)與跟蹤方面的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

6 林杰;面向移動(dòng)視覺(jué)搜索的緊湊聚合描述子研究[D];北京交通大學(xué);2014年

7 舒禹程;基于特征描述子的圖像匹配算法研究[D];華中科技大學(xué);2015年

8 鄧?yán)?擴(kuò)展目標(biāo)的特征提取及目標(biāo)識(shí)別[D];中國(guó)科學(xué)院研究生院（光電技術(shù)研究所）;2013年

9 田甜;快速局部圖像特征提取方法研究[D];華中科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 吳倩雯;改進(jìn)的SURF描述子及其在服飾圖片檢索中的應(yīng)用研究[D];電子科技大學(xué);2014年

2 李磊;基于3DZernike描述子的視頻水印認(rèn)證技術(shù)研究[D];中國(guó)科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2015年

3 劉曉璐;典型二進(jìn)制描述子研究及性能評(píng)估[D];西安電子科技大學(xué);2014年

4 豐一流;SIFT圖像匹配算法面向?qū)崟r(shí)性的優(yōu)化與實(shí)現(xiàn)[D];國(guó)防科學(xué)技術(shù)大學(xué);2013年

5 楊學(xué)文;面向交互語(yǔ)義的用戶(hù)基本手勢(shì)實(shí)時(shí)檢索方法研究[D];濟(jì)南大學(xué);2015年

6 何川;基于RGB-D的場(chǎng)景支撐關(guān)系提取算法研究[D];合肥工業(yè)大學(xué);2014年

7 王延青;一種基于拓?fù)浞治龅娜S模型描述子及其應(yīng)用研究[D];南京大學(xué);2013年

8 朱婷;圖像不規(guī)則區(qū)域匹配算法研究[D];河南理工大學(xué);2015年

9 邵長(zhǎng)峰;基于凸優(yōu)化的二值描述子研究及實(shí)時(shí)作物行檢測(cè)中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2016年

10 盧迎彬;基于分層特征描述子的移動(dòng)機(jī)器人行人目標(biāo)跟蹤[D];北京工業(yè)大學(xué);2016年

，

本文編號(hào)：2162411