快速發(fā)展的網(wǎng)絡技術(shù)和計算機性能已經(jīng)能滿足對海量圖像的精細化處理的需求。這在基于圖像的搜索引擎、視頻識別、機器人等重要的應用中都有體現(xiàn)。在這些應用中,圖像的匹配和檢索技術(shù)作為基礎的工作,具有非常重要的意義。本文根據(jù)實際項目的應用需求,研究與分析了當前應用最為廣泛的集中圖像匹配算法,SIFT、PCA-SIFT、 SURF等等,并基于SIFT算法的實現(xiàn)原理分析了其在實際應用中的不足。 在SIFT算法的特征提取中,通過實驗對特征點的標注發(fā)現(xiàn),特征點均勻分布在背景和對象區(qū)域。大量背景特征點進入匹配階段會增加誤匹配。為此,本文研究了常用顯著區(qū)域檢測方法,并提出了與常規(guī)方法完全不同的顯著區(qū)域檢測算法-基于像素方差的顯著區(qū)域檢測算法,使圖像特征點的提取都分布在對象區(qū)域。 由于SIFT算法特征描述符中缺乏圖像的重要信息-色彩信息,本文提出基于擴展的rgb色彩模型,用于提取特征點鄰域內(nèi)的顏色信息,組成48維的顏色向量,表征特征點局部色彩信息,提高圖像特征信息描述的全面性,從而提高匹配準確率。 在SIFT算法的特征匹配階段,提出用絕對距離和相對距離結(jié)合進行圖像相似性的度量。 本文最后通過對比實驗表明各個改進...

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
表目錄
圖目錄
第1章 引言
    1.1 研究背景及意義
    1.2 圖像檢索國內(nèi)外研究現(xiàn)狀
        1.2.1 基于文本的圖像檢索
        1.2.2 基于內(nèi)容的圖像檢索
    1.3 課題來源
    1.4 論文研究內(nèi)容與組織結(jié)構(gòu)
第2章 圖像匹配相關(guān)技術(shù)研究
    2.1 圖像匹配基礎
        2.1.1 基于特征的圖像匹配
        2.1.2 圖像特征
    2.2 局部特征的檢測和描述
    2.3 基于尺度不變特征描述子的SIFT算法
    2.4 SIFT算法存在問題及解決方案
    2.5 本章小結(jié)
第3章 基于像素方差的顯著區(qū)域檢測
    3.1 常用的注意力模型
    3.2 基于多信息組合的顯著特征圖
    3.3 基于像素方差的顯著圖檢測
        3.3.1 轉(zhuǎn)換顏色模式
        3.3.2 區(qū)域通道期望計算
        3.3.3 像素方差
        3.3.4 基于像素方差的顯著圖
    3.4 實驗
    3.5 小結(jié)
第4章 改進的SIFT算法
    4.1 顏色向量
    4.2 度量指標定義
    4.3 改進的SIFT算法
        4.3.1 顯著圖提取
        4.3.2 特征點提取
        4.3.3 改進的特征描述符
        4.3.4 匹配策略改進
    4.4 特征匹配
第5章 實驗及結(jié)果分析
    5.1 算法準確率
    5.2 算法效率
    5.3 綜合對比實驗
第6章 總結(jié)和展望
    6.1 總結(jié)
    6.2 展望
參考文獻
致謝



本文編號：3845424