本文關(guān)鍵詞：圖像局部特征匹配性能增強(qiáng)研究　出處：《吉林大學(xué)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 圖像局部特征提取 圖像局部特征描述 顏色空間 高斯尺度空間 尺度不變特征 熵 最大熵估計(jì) 顯著性分割

【摘要】：眾所周知,人類的日常生活行為離不開眼睛對(duì)現(xiàn)實(shí)世界的探知。隨著計(jì)算機(jī)技術(shù)發(fā)展的突飛猛進(jìn),研究學(xué)者們根據(jù)人類視覺的特性,開發(fā)出一系列模擬人眼識(shí)別現(xiàn)實(shí)場(chǎng)景的應(yīng)用技術(shù),并得到廣泛應(yīng)用。計(jì)算機(jī)雖然已具備可以保存所有輸入圖像信息,便于后續(xù)識(shí)別和匹配等應(yīng)用的功能,但隨著大數(shù)據(jù)時(shí)代的到來,人們已對(duì)圖像識(shí)別匹配技術(shù)越發(fā)的依賴,例如海量圖像的識(shí)別和檢索。單純保存圖像所有數(shù)據(jù)信息并逐一匹配已經(jīng)不能滿足人們對(duì)存儲(chǔ)量、準(zhǔn)確率和速度的需求。由此研究學(xué)者們根據(jù)生物視覺系統(tǒng)機(jī)制提出了圖像特征提取以及描述技術(shù)。圖像特征處理方法中,還存在很多缺陷:傳統(tǒng)方法只適用于描述灰度圖像,然而,目前圖像幾乎都是彩色級(jí)別,導(dǎo)致用于描述灰度圖像的方法缺乏彩色信息;同時(shí)單一提取圖像梯度特征缺乏對(duì)顯著性信息的著重描述;另外很多方法是基于單一尺度層描述圖像,使被描述圖像的特征信息缺失;雖然利用圖像特征提取技術(shù)所獲取的稀疏特征表述圖像可改善全局信息表述的效率,但這些特征仍然存在部分冗余,使圖像特征匹配準(zhǔn)確率下降、存儲(chǔ)空間浪費(fèi)、識(shí)別匹配速度緩慢。為了彌補(bǔ)現(xiàn)有的圖像特征提取以及描述方法所存在的缺陷,本文針對(duì)改進(jìn)基于灰度梯度的圖像局部特征算法提出了四種方法。主要研究成果如下:1.提出了一種基于生物視覺機(jī)制的結(jié)合顏色以及形狀特征的圖像局部描述子。與以往的描述子相比較,本文將紅-青細(xì)胞(L、M、S視錐體所發(fā)出的信號(hào)結(jié)合而成)作為一個(gè)對(duì)立顏色的新通道,然后結(jié)合最新的顏色特征提取技術(shù),提出了一種在二維空間內(nèi)計(jì)算四個(gè)對(duì)立顏色通道方向和幅值的方法(對(duì)立顏色通道即紅-綠、藍(lán)-黃、紅-青,黑-白)。顏色方向是以像素幅值作為權(quán)重,將特征點(diǎn)及其周圍像素方向統(tǒng)計(jì)到相應(yīng)的直方圖。最終利用后融合方式結(jié)合四組對(duì)立顏色和尺度不變特征直方圖。實(shí)驗(yàn)證明,與其他描述子相比較,在光照以及圖像模糊變換中(顏色對(duì)比信息占主導(dǎo)地位的情況下),本文提出的描述方法對(duì)光度和幾何變換保持強(qiáng)魯棒性。2.提出了一種基于局部熵的圖像多維特征描述子。傳統(tǒng)的圖像局部描述方法大多是利用梯度信息進(jìn)行圖像識(shí)別和匹配,忽略了其它顯著性信息內(nèi)容(例如場(chǎng)景中高復(fù)雜度的目標(biāo),內(nèi)容特征等),為此,本文提出的描述子是在梯度描述子基礎(chǔ)上,利用后融合方法線性鏈接特征點(diǎn)經(jīng)過高斯加權(quán)后的平均局部熵信息。這樣方式增加了特征點(diǎn)描述子的顯著信息量。但由于所得熵描述子的數(shù)量級(jí)不同,無法提高圖像的匹配準(zhǔn)確率,因此對(duì)局部熵特征采用指數(shù)歸一化,使描述子性能不受擁有較大數(shù)量級(jí)的描述分量影響。實(shí)驗(yàn)中利用描述子在圖像庫中的平均均勻準(zhǔn)確率決定熵的維數(shù)以及局部熵指數(shù)歸一化算法中的參量。與傳統(tǒng)描述方法相比,本文提出的加入局部熵的多維特征描述子對(duì)人工場(chǎng)景中的條件變換呈現(xiàn)強(qiáng)魯棒性。3.提出了兩種在多尺度模糊空間內(nèi)基于熵的加權(quán)式圖像局部特征描述子。由于傳統(tǒng)圖像局部特征描述方法是在單一尺度上描述圖像特征(例如SIFT、SURF、LIOP等),導(dǎo)致部分重要信息的缺失,影響圖像匹配的準(zhǔn)確率。本文從圖像顯著性角度估計(jì)特征點(diǎn)及其周圍信息量,利用信息熵獲取更多的圖像關(guān)鍵內(nèi)容。首先在高斯差分空間(DOG)中計(jì)算特征點(diǎn)的多層SIFT梯度直方圖,同時(shí)統(tǒng)計(jì)特征點(diǎn)在每層尺度上的局部熵,計(jì)算特征點(diǎn)的每層熵值占這個(gè)特征點(diǎn)在所有層熵值總和的百分比,利用所得百分比與每層特征點(diǎn)描述子做乘積,然后聚合各層描述子,得到第一種基于局部熵的加權(quán)式特征描述子,最后根據(jù)Hellinger距離計(jì)算獲得第二種局部熵特征描述子。通過比較實(shí)驗(yàn),本文提出特征描述子在精確-召回率,平均均勻準(zhǔn)確率和正確匹配數(shù)量上都具有良好的表現(xiàn)。4.提出了一種基于最大熵的顯著性圖像局部特征描述子。通常情況下,利用局部梯度信息提取的特征點(diǎn)仍然存在噪聲(邊緣效應(yīng)點(diǎn),導(dǎo)致圖像的匹配準(zhǔn)確率下降)。因此,本文提出的描述子通過顯著性圖像分割法,在分割獲取的圖像顯著部分中提取特征點(diǎn)。這種與顯著性相結(jié)合的方法,剔除了一些冗余噪聲點(diǎn),減少冗余特征點(diǎn)數(shù)量同時(shí)提高了圖像的正確匹配率。隨后基于特征點(diǎn)的描述特性建立熵空間,利用每維特征描述子在尺度層上對(duì)應(yīng)的具有最大熵的直方圖組成最終描述子,實(shí)驗(yàn)表明,加入顯著性圖像分割和最大熵估計(jì)的圖像局部特征描述子提高了圖像在匹配中的平均均勻準(zhǔn)確率。
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 黃炯;圖像邊緣處理[J];電視字幕(特技與動(dòng)畫);2000年09期

2 劉建忠;;圖像邊緣的數(shù)學(xué)結(jié)構(gòu)分析[J];軟件;2011年05期

3 陳文兵;張小磊;;基于圖像邊緣的能見度計(jì)算方法[J];微型電腦應(yīng)用;2009年04期

4 曾友州;胡瑩;曾偉一;鄭曉霞;;提取數(shù)字圖像邊緣的算法比較[J];成都航空職業(yè)技術(shù)學(xué)院學(xué)報(bào);2009年04期

5 潘衛(wèi)國;鮑泓;何寧;;一種傳統(tǒng)中國書畫圖像的二分類方法[J];計(jì)算機(jī)科學(xué);2012年03期

6 周濤;陸惠玲;拓守恒;馬競先;楊德仁;;基于非凸區(qū)域下近似的圖像邊緣修補(bǔ)算法[J];寧夏大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年01期

7 唐亮;唐娉;閻福禮;鄭柯;;HJ-1 CCD圖像自動(dòng)幾何精糾正系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2012年S2期

8 宋建中;;噴霧圖像的自動(dòng)分析[J];光學(xué)機(jī)械;1988年04期

9 張錦華;孫挺;;引入像點(diǎn)融合度修補(bǔ)的圖像邊緣化參差拼接實(shí)現(xiàn)[J];微電子學(xué)與計(jì)算機(jī);2014年08期

10 張曉清;;摳圖另一法[J];數(shù)字世界;2002年11期

相關(guān)會(huì)議論文 前10條

1 陸成剛;陳剛;張但;閔春燕;;圖像邊緣的優(yōu)化模型[A];'2002系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)論文集（第四卷）[C];2002年

2 王偉凝;余英林;張劍超;;圖像的動(dòng)感特征分析[A];第一屆中國情感計(jì)算及智能交互學(xué)術(shù)會(huì)議論文集[C];2003年

3 韓焱;王明泉;宋樹爭;;工業(yè)射線圖像的退化與恢復(fù)方法[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識(shí)創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（下冊(cè)）[C];2001年

4 王強(qiáng);王風(fēng);;一種保持圖像幾何特征的去噪模型[A];中國通信學(xué)會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2008年

5 王培珍;楊維翰;陳維南;;圖像邊緣信息的融合方案研究[A];中國圖象圖形學(xué)會(huì)第十屆全國圖像圖形學(xué)術(shù)會(huì)議（CIG’2001）和第一屆全國虛擬現(xiàn)實(shí)技術(shù)研討會(huì)（CVR’2001）論文集[C];2001年

6 李大鵬;禹晶;肖創(chuàng)柏;;圖像去霧的無參考客觀質(zhì)量評(píng)測(cè)方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

7 孟晉麗;張毅;金林;;圖像中混合噪聲的小波域?yàn)V除方法[A];2007'儀表，，自動(dòng)化及先進(jìn)集成技術(shù)大會(huì)論文集（一）[C];2007年

8 漆琳智;張超;吳向陽;;引導(dǎo)濾波的單幅圖像前景精確提取[A];浙江省電子學(xué)會(huì)2013學(xué)術(shù)年會(huì)論文集[C];2013年

9 張明慧;;基于模糊蒙片算法的CR圖像邊緣增強(qiáng)[A];第六屆全國信息獲取與處理學(xué)術(shù)會(huì)議論文集（1）[C];2008年

10 王亮亮;李明;高昕;;強(qiáng)模糊空間目標(biāo)圖像邊緣獲取方法研究[A];第九屆全國光電技術(shù)學(xué)術(shù)交流會(huì)論文集（下冊(cè)）[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 吳飛;無邊距照片打印三部曲[N];中國電腦教育報(bào);2003年

2 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(9)[N];電子報(bào);2009年

3 ;B超術(shù)語解釋[N];農(nóng)村醫(yī)藥報(bào)（漢）;2008年

4 ;圖像質(zhì)量調(diào)整秘技[N];電腦報(bào);2001年

5 馬駿睿 皓月;制作版畫效果圖片[N];中國攝影報(bào);2007年

6 艾思平翻譯;視頻編碼軟件CCE SP2操作指南(14)[N];電子報(bào);2009年

7 西安 張正倉;I~（2）C總線控制的HG-2220AV液晶屏視頻信號(hào)驅(qū)動(dòng)板[N];電子報(bào);2003年

8 ;令挑剔的人也刮目相看[N];中國電子報(bào);2001年

9 侯杰;國產(chǎn)芯片進(jìn)軍移動(dòng)多媒體市場(chǎng)[N];人民郵電;2003年

10 于亮、阿鯤;技術(shù)“掃”天下[N];中國計(jì)算機(jī)報(bào);2002年

相關(guān)博士學(xué)位論文 前10條

1 梁福來;低空無人機(jī)載UWB SAR增強(qiáng)成像技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

2 周靜;基于憶阻器的圖像處理技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

3 賈茜;基于時(shí)—空域插值的圖像及視頻上采樣技術(shù)研究[D];武漢大學(xué);2014年

4 李照奎;人臉圖像的魯棒特征表示方法研究[D];武漢大學(xué);2014年

5 郝紅星;基于干涉相位圖像構(gòu)建數(shù)字高程模型的關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2014年

6 楊小義;圖像特征識(shí)別算法及其在聾人視覺識(shí)別中的應(yīng)用研究[D];重慶大學(xué);2015年

7 王玉明;SAR圖像地雷場(chǎng)檢測(cè)技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年

8 溫景陽;圖像大容量、低失真可逆信息隱藏技術(shù)研究[D];蘭州大學(xué);2015年

9 李林;基于概率圖模型的圖像整體場(chǎng)景理解方法研究[D];電子科技大學(xué);2014年

10 馮景;基于SAR圖像的海面溢油檢測(cè)研究[D];北京理工大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 李鵬遠(yuǎn);圖像檢索算法研究及其在互聯(lián)網(wǎng)教育中的應(yīng)用[D];華南理工大學(xué);2015年

2 萬燕英;微聚焦X-ray圖像自適應(yīng)正則化去噪方法[D];華南理工大學(xué);2015年

3 毛雙艷;基于梯度域的圖像風(fēng)格化渲染方法的研究及其應(yīng)用[D];華南理工大學(xué);2015年

4 向訓(xùn)文;RGB-D圖像顯著性檢測(cè)研究[D];華南理工大學(xué);2015年

5 曾旭;基于聚類和加權(quán)非局部的圖像稀疏去噪方法研究[D];天津理工大學(xué);2015年

6 熊楊超;圖像美學(xué)評(píng)價(jià)及美學(xué)優(yōu)化研究[D];華南理工大學(xué);2015年

7 王艷;圖像視覺顯著性檢測(cè)方法及應(yīng)用的研究[D];華南理工大學(xué);2015年

8 鄭露萍;圖像二階微分特征提取及人臉識(shí)別應(yīng)用研究[D];昆明理工大學(xué);2015年

9 王思武;基于太陽圖像的特征提取和檢索[D];昆明理工大學(xué);2015年

10 曹靜;基于暗通道先驗(yàn)算法的圖像去霧處理[D];海南大學(xué);2015年

本文編號(hào)：1323338