本文選題：局部特征檢測 + 局部特征描述��； 參考：《北京科技大學(xué)》2016年博士論文

【摘要】：局部特征提取通常是作為計算機(jī)視覺與數(shù)字圖像處理中許多問題的第一步,例如圖像分類、圖像檢索、寬基線匹配等,提取特征的優(yōu)劣直接影響任務(wù)的最終性能。因此,局部特征提取方法具有重要的研究價值。然而,圖像經(jīng)常發(fā)生尺度、平移、旋轉(zhuǎn)、光照、視角以及模糊等變化,特別是在實際應(yīng)用場景中,圖像不可避免的會存在較大噪聲干擾、復(fù)雜背景和較大的目標(biāo)姿態(tài)變化。這就給圖像局部特征提取問題帶來了更大的挑戰(zhàn)。因此,局部特征提取方法研究仍然具有重要的理論意義和應(yīng)用價值，，值得研究者繼續(xù)關(guān)注。本文借鑒已有局部特征構(gòu)造方法的思想,圍繞局部特征提取問題進(jìn)行了深入的研究。本文的主要研究內(nèi)容和創(chuàng)新點(diǎn)包括：(1)加權(quán)中心對稱局部三值模式描述子的設(shè)計為了更有效地刻畫圖像局部紋理信息,增強(qiáng)局部特征的可辨別能力,以CS-LTP算子為基礎(chǔ),提出一種新的加權(quán)中心對稱局部三值模式(Weighted Center Symmetric Local Ternary Pattern, WCS-LTP)描述子,并將該局部特征描述子與稀疏編碼空間金字塔匹配模型結(jié)合,提出了基于局部特征描述子WCS-LTP的稀疏編碼空間金字塔匹配圖像分類算法。實驗結(jié)果表明,本文提出的局部特征描述子在圖像分類任務(wù)中具有較高的區(qū)分能力。特別是當(dāng)圖像包含復(fù)雜背景,受到大的噪聲干擾和目標(biāo)姿態(tài)變化較大時,該描述子在圖像分類任務(wù)中仍具有一定的區(qū)分能力。此外,本文提出的局部特征描述子對于多種圖像變化,比如視角變化、圖像模糊和JPEG壓縮等,也具有一定的魯棒性能。(2)融合形狀和紋理信息的局部特征的構(gòu)造研究表明,融合形狀信息和紋理信息的組合局部特征能夠提供更魯棒和準(zhǔn)確的圖像描述。本文在分析加權(quán)中心對稱局部三值模式描述子的基礎(chǔ)上,提出了一種新的局部特征SIFT-WCS-LTP,并將構(gòu)造的局部特征用于空間金字塔匹配模型,提出基于局部特征SIFT-WCS-LTP的稀疏編碼空間金字塔匹配圖像分類方法。該局部特征融合了圖像局部形狀和紋理信息,可以對圖像進(jìn)行更準(zhǔn)確的描述。實驗結(jié)果表明,局部特征SIFT-WCS-LTP在分類任務(wù)中具有較高的區(qū)分能力,取得了好的分類結(jié)果。此外,在圖像受到大的噪聲干擾,包含復(fù)雜背景和目標(biāo)姿態(tài)發(fā)生較大變化的情況下,該局部特征在圖像分類任務(wù)中仍具有較好的區(qū)分能力。(3)正交對稱局部三值模式算子及圖像局部特征區(qū)域描述維數(shù)災(zāi)難是將紋理算子直接應(yīng)用到構(gòu)造圖像局部區(qū)域描述子特別是基于分塊思想的局部特征[區(qū)域描述子的難點(diǎn)問題,如何在有效降低局部特征區(qū)域描述子維數(shù)的情況下,同時也保持描述子的魯棒性和可區(qū)分性還有待進(jìn)一步研究。針對此問題,提出了一種新的紋理算子—正交對稱局部三值模式算子(Orthogonal Symmetric Local Ternary Pattern, OS-LTP),該算子不但具有良好的抗噪聲能力和準(zhǔn)確的圖像紋理描述能力,而且可以有效地解決將LTP特征用于基于分塊思想的局部特征區(qū)域描述子構(gòu)造中維數(shù)太高的問題。在OS-LTP算子的基礎(chǔ)上又提出一種新的局部特征區(qū)域描述子WOS-LTP,該局部特征區(qū)域描述子將計算編碼模式的像素點(diǎn)的城區(qū)距離(關(guān)于中心像素點(diǎn)具有正交對稱關(guān)系的像素點(diǎn)灰度值差的絕對值求和)作為其對直方圖的貢獻(xiàn),有效地刻畫圖像局部灰度值的變化程度。實驗結(jié)果表明,該局部特征區(qū)域描述子對于各種圖像變化(尺度變化、旋轉(zhuǎn)變化、視角變化、光照變化、圖像模糊和JPEG壓縮)具有更強(qiáng)的魯棒性,取得了較好的匹配結(jié)果；同時該局部特征區(qū)域描述子在目標(biāo)分類任務(wù)中具有更高的區(qū)分能力,取得了較好的分類結(jié)果。此外,該局部特征區(qū)域描述子也具有較高的計算效率。本文的研究成果不僅對局部特征提取方法的研究具有重要指導(dǎo)意義,而且對圖像分類、圖像匹配以及更廣泛領(lǐng)域的理論研究都將具有重要的參考價值。
[Abstract]:Local feature extraction is usually used as the first step of many problems in computer vision and digital image processing , such as image classification , image retrieval , wide baseline matching , etc . On the basis of analyzing weighted central symmetric local three - valued mode descriptor , this paper presents a new method for classification of local characteristic region descriptors .
At the same time , the local characteristic region descriptor has higher distinguishing ability in the target classification task , and the better classification result is obtained . In addition , the local characteristic region descriptor has higher computational efficiency . The research results of this paper have important guiding significance not only to the research of local feature extraction method , but also to the theoretical research in image classification , image matching and wider field .

【學(xué)位授予單位】：北京科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2016
【分類號】：TP391.41

【參考文獻(xiàn)】

相關(guān)博士學(xué)位論文 前1條

1 蔡紅蘋;基于局部特征的圖像分類識別關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2010年

本文編號：1872959