近年來,伴隨著智能化設施的蓬勃發(fā)展,計算機視覺技術已成為諸多領域的重要技術之一,其中圖像的特征提取和匹配是圖像處理的一個重要組成部分。圖像的特征提取是將圖像從高維的特征中提取出具有一定代表性的特征,是對圖像的一種壓縮,同時這些特征能滿足圖像在其目標任務中的應用。在圖像匹配的特征提取中一般是通過數(shù)學方法提取特征點并計算特征描述,但是這種特征描述的表達能力較弱,在一些場景中的使用如目標定位、目標跟蹤的圖像存在較大形變等問題有局限性。針對特征描述表達能力不足的問題,本文利用深度學習的方法,通過深度學習的模型結構優(yōu)勢,層層提取出圖像的特征,將圖像底層的特征不斷融合提煉,得到對圖像在語義層面上的深層而抽象的特征。本文完成的主要研究內(nèi)容包括:（1）調(diào)研圖像匹配的研究現(xiàn)狀及特點,結合深度學習在圖像特征提取的優(yōu)勢,利用卷積神經(jīng)網(wǎng)絡提取的圖像特征,優(yōu)化圖像的匹配精度。（2）提出了一種基于卷積神經(jīng)網(wǎng)絡的特征描述子。該網(wǎng)絡在訓練的過程中不僅考慮了兩張圖像相同特征點的特征描述的相似性,還考慮了不同特征點間的相異性,使得網(wǎng)絡具有更強的表達能力。模型目標函數(shù)的優(yōu)化方法采用了隨機梯度下降法,訓練數(shù)據(jù)的選取通過一種在... 

【文章來源】：北京工業(yè)大學北京市 211工程院校

【文章頁數(shù)】：65 頁

【學位級別】：碩士

【部分圖文】：

高斯濾波模板及盒子濾波器Figure2-3Gaussianfilterandboxfilter

Figure 2-3 Gaussian filter and box filter因此Hessian 矩陣中的xxL、xyL 、yyL 采用盒子濾波器近似，記為xxD、xyD 、yyD 。此時 Hessian 的行列式近似為公式（2-14）。 2xx yy xyDet H D D wD( 2-14 其中，w是誤差補償系數(shù)，保持高斯核與近似高斯核的一致性，一般取 0.9。通過變化盒子濾波器的尺寸對圖像的積分圖像濾波構建尺度空間，而像素點的特征響應值是使用近似的 Hessian 矩陣行列式值，因此使用不同尺寸的盒子濾波器計算出不同尺度下的像素點的特征響應值，利用非極大值抑制的方法得到關鍵點。3） 特征描述子SURF 生成特征描述前首先要為每個特征點尋找一個主方向，這也使得SURF 特征點具有旋轉不變性。如圖 2-4 所示，在以特征點為圓心，6σ為半徑的圓域中，通過以 π / 3為夾角的扇形區(qū)域掃描，利用 harr 小波計算區(qū)域內(nèi)的特征點響應值并累加，累加值最大的扇形區(qū)域的方向作為該特征點的主方向

圖 2-5 特征描述子的構造Figure 2-5 Feature descriptor construction以看出，基于圖像特征點的圖像匹配首尋找具有一定不變性的點，然后通過這鍵點的數(shù)學表達。要素、角度、光照等外部環(huán)境和設備的成像同場景的記錄，其得到的圖片結果也有提出了許多解決算法。從圖像匹配的一種多樣，但是這些算法都在特征空間素的基礎上進行研究的[34]。要進行匹配的多張圖像中提取出來進

【參考文獻】：
期刊論文
[1]用直方圖面積法進行圖像相似度計算[J]. 朱爽.  測繪通報. 2018(12)
[2]一種有遮擋人臉識別方法改進[J]. 張立亮,王國中,范濤,朱麗莎.  電子測量技術. 2018(22)
[3]多維彩色圖像印刷缺陷快速檢測仿真[J]. 王素芬.  計算機仿真. 2017(06)
[4]基于優(yōu)化SIFT算法的無人機遙感作物影像拼接[J]. 賈銀江,徐哲男,蘇中濱,靳思雨,Arshad M.Rizwan.  農(nóng)業(yè)工程學報. 2017(10)
[5]深度學習研究進展[J]. 劉建偉,劉媛,羅雄麟.  計算機應用研究. 2014(07)
[6]一種改進的快速歸一化互相關算法[J]. 謝維達,周宇恒,寇若嵐.  同濟大學學報(自然科學版). 2011(08)
[7]圖像匹配算法的研究進展[J]. 王軍,張明柱.  大氣與環(huán)境光學學報. 2007(01)

碩士論文
[1]基于互信息的異源圖像匹配與融合[D]. 李龍勛.電子科技大學 2013



本文編號：3517916