【摘要】：圖像局部不變特征是模式識別、圖像處理、計算機視覺等領(lǐng)域核心研究內(nèi)容之一。由于圖像局部不變特征對模糊、尺度、視角、光照以及壓縮等圖像變換具有良好的不變性,眾多學(xué)者對其進行了大量的研究并提出一系列不同特性的圖像局部不變特征,并且已經(jīng)被廣泛地應(yīng)用于立體匹配、圖像配準、圖像拼接、物體識別、圖像檢索以及目標跟蹤等多個方面。近年來,隨著計算機視覺技術(shù)的發(fā)展,越來越多的應(yīng)用需要使用到圖像局部不變特征,同時不同的應(yīng)用對圖像局部不變特征的需求也具有特殊性,因此基于圖像局部不變特征的研究仍有諸多問題有待完善和解決。本學(xué)位論文深入分析了圖像局部不變特征的相關(guān)理論基礎(chǔ),以提高圖像局部不變特征分類與識別的性能為目的開展研究工作,研究了一些已有的圖像局部不變特征提取及匹配方法,針對這些方法存在的一些問題作了相應(yīng)的改進,將改進后的新方法應(yīng)用到了立體匹配,圖像配準,遙感圖像處理,目標跟蹤等領(lǐng)域,取得了較好的效果。本文的主要工作和創(chuàng)新性成果如下：(1)提出了一種增強旋轉(zhuǎn)不變性的改進SURF算法。為了克服經(jīng)典的加速穩(wěn)健特征(Speeded Up Robust Features, SURF)算法在旋轉(zhuǎn)不變性上表現(xiàn)不佳的情況,提出了一種新的結(jié)合SURF特征點與DAISY描述符的圖像匹配算法。該方法首先使用了SURF算法中快速的Hessian矩陣模擬計算方法檢測特征點,保持了特征點檢測過程的快速性和準確性,然后利用原始圖像的卷積方向圖提出一種適合DAISY描述符的主方向分配方法,并且按照該主方向旋轉(zhuǎn)獲得新的DAISY描述符。實驗結(jié)果表明,本文算法在略微增加運算時間的同時,增強了原始SURF算法的旋轉(zhuǎn)不變性,并且能獲得更多的正確匹配點。在牛津大學(xué)經(jīng)典的匹配數(shù)據(jù)庫上的實驗表明本文算法在面對圖像模糊、光照變化、JPEG壓縮比變化、視場角旋轉(zhuǎn)和平移的時候,具有較好的匹配結(jié)果。(2)提出了一種擴展SURF描述符并將其有效地應(yīng)用于遙感圖像配準算法。針對傳統(tǒng)局部不變特征描述符在遙感數(shù)據(jù)上存在著運算時間過長以及匹配正確率不高的情況,在原始SURF描述符的基礎(chǔ)上,通過引入特征點相應(yīng)尺度上的局部歸一化灰度統(tǒng)計信息以及圖像二階微分細節(jié)信息,提出一種新的擴展SURF描述符,增強了描述符的約束性與獨特性。該算法不但能傳承SURF算法速度快的優(yōu)良性能,還能充分利用圖像的灰度信息和細節(jié)信息。通過實驗表明,綜合考慮算法運行效率與匹配正確率,本文算法較原有經(jīng)典算法表現(xiàn)更優(yōu)。(3)提出了一種針對重復(fù)模式圖像的成對特征點匹配算法。在進行立體匹配以及遙感圖像配準時,待匹配圖像常常會含有大量的重復(fù)模式結(jié)構(gòu)。基于局部特征的匹配算法在此類圖像的匹配過程中極易產(chǎn)生誤匹配；對于引入全局特征描述符的匹配算法,其全局特征由于依賴于計算局部信息所得到的特征點主方向,同樣不能獲得令人滿意的匹配效果。針對這一問題,本文提出了一種基于成對特征點的圖像匹配算法。該方法利用成對特征點的方向向量作為特征點對的主方向,為特征描述提供了正確的方向信息,同時引入DAISY描述符與改進后的全局上下文(Global Context)特征描述符,提高了匹配能力。經(jīng)過模擬數(shù)據(jù)與實際數(shù)據(jù)的對比實驗表明,本文算法能夠有效地解決含有重復(fù)模式的圖像匹配問題。(4)提出了一種基于特征匹配的Mean Shift目標跟蹤算法。針對基于Mean Shift的目標跟蹤算法在處理復(fù)雜的目標跟蹤場景時存在一定的局限性,提出了一種基于圖像局部不變特征匹配的新的目標跟蹤算法。針對目標模板使用FAST檢測子與DAISY描述符提取不變特征點,通過K-means算法將特征點描述符進行聚類形成模板直方圖；對目標候選區(qū)域使用相同的方法獲得特征點,并根據(jù)上一步驟的聚類中心計算出候選直方圖；對目標模板與目標候選區(qū)域的描述符進行特征匹配,得到匹配后的對應(yīng)點；將目標模板、候選直方圖以及匹配對應(yīng)點引入Mean Shift迭代框架中,計算出目標在當(dāng)前幀的準確位置,以實現(xiàn)目標跟蹤的目的。實驗結(jié)果表明,該算法優(yōu)于部分經(jīng)典的方法,并且該算法可以應(yīng)對以下挑戰(zhàn)性的跟蹤情況：部分遮擋,光照變化,尺寸變化,物體旋轉(zhuǎn),快速移動,復(fù)雜的背景干擾等。
[Abstract]:......
【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前3條

1 張文明;劉彬;李海濱;;基于雙目視覺的三維重建中特征點提取及匹配算法的研究[J];光學(xué)技術(shù);2008年02期

2 吳俊;程詠梅;曲圣杰;潘泉;劉準釓;;基于三級信息融合結(jié)構(gòu)的多平臺多雷達目標識別算法[J];西北工業(yè)大學(xué)學(xué)報;2012年03期

3 張潔玉;白小晶;徐麗燕;陳強;夏德深;;基于空間分布描述符的SIFT誤匹配校正方法[J];中國圖象圖形學(xué)報;2009年07期

相關(guān)博士學(xué)位論文 前1條

1 徐麗燕;基于特征點的遙感圖像配準方法及應(yīng)用研究[D];南京理工大學(xué);2012年

，

本文編號：2269961