圖像局部特征描述是計算機視覺的一個基本問題,局部特征描述子作為一種底層特征描述技術,可以描述豐富的圖像局部細節(jié)結構,在圖像發(fā)生形變、遮擋或缺損時,仍然表現出較強的魯棒性,因此被廣泛應用在目標檢測和識別等計算機視覺任務中。計算機對圖像進行理解通常采用“從局部到全局”的策略,這是一個從微觀到介觀到宏觀,由底向上的圖像描述過程。但是目前常用的圖像特征抽取與描述技術是基于宏觀整體或局部區(qū)域的,除LBP與GIMMRP算子外,很少有基于微觀結構描述的局部特征技術。LBP具有計算簡單,對圖像旋轉和圖像灰度變換能保持不變性等優(yōu)異性能,然而常規(guī)的LBP方法不足在于:（1）在二值化處理中,LBP僅保留了像素之間的灰度關系,導致圖像細節(jié)信息的大量丟失;（2）LBP有可能會出現分布不均勻的直方圖以及出現頻率較低的模式類型;（3）LBP對所關注的模式類型需要預先定義,如“統(tǒng)一模式”是一種預先定義的模式。GIMMRP具有LBP相類似的優(yōu)點,同時對圖像微觀結構有很強的描述表達能力,大幅度提升了二值描述算子的判別能力。但GIMMRP算法需要對圖像中每一個3×3鄰域和131個卷積模板進行卷積運算,導致計算效率低,運行速... 

【文章來源】：湘潭大學湖南省

【文章頁數】：56 頁

【學位級別】：碩士

【部分圖文】：

圖１－２紋理圖像??

圖１－４圖像遮擋??從圖１－３可知，第一列是完整圖像，第二列是一些角點，第三列是點以外的線段。顯然，看第二列的時候我們能更容易地把他們想象成第一，假設我們描述整幅圖像時利用這些顯著的特征點，就可以大大降低圖大量信息，減少計算量。且即使物體圖像缺損或者受到部分遮擋，圖像要信息依舊能夠通過圖像剩余的特征點來進行還原。??雖然局部不變特征近年來的研宄取得了極大的進步，但依舊存在大量問。（１）很多算法的主要參數采用的是工程應用的經驗值，缺少理論證明性差。（２）目前的局部特征方法缺少關于語義層次方面的解釋，所提出變特征所處位置不明確，可能處于復雜的結構背景上，也可能在感興趣還可能位于二者的邊界處，因而需要對局部特征做語義方面的解釋。（３局部特征的評價體系做進一步完善。另外需要說明的是，通常情況下法對圖像提取其局部特征時，是從子區(qū)域開始著手的。比如ＳＵＲＦ和中心像素點鄰域時采用的４Ｘ４格子狀區(qū)域，ＧＬＯＨ將鄰域劃分為１６－

巧傳統(tǒng)萬

【參考文獻】：
期刊論文
[1]圖像微觀結構的二值化表示與目標識別應用[J]. 張東波,陳治強,易良玲,許海霞.  電子與信息學報. 2018(03)
[2]Face recognition based on subset selection via metric learning on manifold[J]. Hong SHAO,Shuang CHEN,Jie-yi ZHAO,Wen-cheng CUI,Tian-shu YU.  Frontiers of Information Technology & Electronic Engineering. 2015(12)
[3]具有幾何和光照不變性的不變矩構建研究[J]. 徐貴力,鐘志偉,王彪,田裕鵬,郭瑞鵬,李開宇.  航空學報. 2013(07)
[4]基于圖像Tchebichef矩抗幾何攻擊的零水印算法[J]. 程興宏,侯榆青,程璟星,蒲鑫.  計算機應用. 2013(02)
[5]結合區(qū)域顏色和紋理的運動陰影檢測方法[J]. 曹健,陳紅倩,張凱,牛長鋒.  機器人. 2011(05)
[6]角點特征在目標識別中的應用[J]. 曹健,劉瓊昕,高春曉,劉玉樹.  北京理工大學學報. 2011(03)
[7]基于多尺度幾何分析的目標描述和識別[J]. 潘泓,李曉兵,金立左,夏良正.  紅外與毫米波學報. 2011(01)
[8]基于顏色特征的棉田綠色雜草圖像識別方法[J]. 沈寶國,陳樹人,尹建軍,毛罕平.  農業(yè)工程學報. 2009(06)
[9]一種基于目標紅外特征的目標分類識別方法[J]. 孟慶華,沈振康,張忠誠.  紅外技術. 1999(02)

碩士論文
[1]基于顏色特征的圖像檢索系統(tǒng)設計與實現[D]. 邸洪波.沈陽工業(yè)大學 2011
[2]基于Gabor變換的特征提取及其應用[D]. 薛玉利.山東大學 2007



本文編號：3315542