發(fā)布時(shí)間：2021-06-06 12:31

　　二維圖像局部特征是一種低層信號(hào)特征并被廣泛應(yīng)用于機(jī)器視覺技術(shù)的研究領(lǐng)域,與其相關(guān)的檢測(cè)、描述、匹配與跟蹤技術(shù)也在不斷的發(fā)展之中。本文對(duì)局部特征點(diǎn)提取方法、局部特征點(diǎn)匹配方法和粒子濾波技術(shù)中的若干問題進(jìn)行研究,完成以下4個(gè)工作:（1）提出高可重復(fù)性的尺度不變局部特征點(diǎn)提取算法。目前很多經(jīng)典的尺度不變特征提取算法基于離散化核函數(shù)構(gòu)造的尺度空間表示,但沒有考慮量化誤差對(duì)算法性能的影響。由于采用離散化核函數(shù)構(gòu)造尺度空間表示的計(jì)算誤差在小尺度部分較大,并且隨著尺度增加該計(jì)算誤差趨近于零,本文提出以像素為單位增加核寬度的方法構(gòu)造卷積核,避免以倍乘方式擴(kuò)展尺度時(shí)存在的在低尺度部分采樣密集而在高尺度部分采樣相對(duì)稀疏的缺點(diǎn)。為了克服量化誤差對(duì)因果性造成的影響,本文采用全局比較的方式獲取局部特征點(diǎn),從而減少局部比較方式產(chǎn)生的不穩(wěn)定極值點(diǎn)數(shù)量。本文討論了圓盤形卷積模板性質(zhì)及其有限半徑產(chǎn)生的計(jì)算誤差上界,以增加局部特征在旋轉(zhuǎn)條件下的穩(wěn)定性并限制計(jì)算誤差對(duì)極值點(diǎn)獲取的影響。本文提出的特征提取算法在特征點(diǎn)的召回率和精確度方面較基于局部比較的特征點(diǎn)提取算法有明顯優(yōu)勢(shì)。（2）提出基于幾何信息輔助的局特征匹配算法。由于... 

【文章來(lái)源】：華南理工大學(xué)廣東省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：132 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

使用GPE算法提取局部特征點(diǎn)的例子

第五章條件粒子濾波與目標(biāo)跟蹤給出的表示局部特征的向量。為了測(cè)試CBF用于目標(biāo)跟蹤時(shí)在不同場(chǎng)景下的目標(biāo)估計(jì)效果和有效樣本容量變化情況，我們分別使用簡(jiǎn)單場(chǎng)景和復(fù)雜場(chǎng)景對(duì)跟蹤算法進(jìn)行仿真。在以下的測(cè)試中，BF和CBF的粒子數(shù)均為1000，并設(shè)CBF中參數(shù)c=100,M=10（參見表5-4），式(5-28)中閾值t=0.1及目標(biāo)運(yùn)動(dòng)模型(5-25)中R=700。5.6.2簡(jiǎn)單場(chǎng)景仿真測(cè)試我們采用實(shí)際拍攝的圖像序列作為簡(jiǎn)場(chǎng)景測(cè)試序列，該圖像序列由20幀連續(xù)變化的圖像組成（見圖5-4，為測(cè)試圖像序列中的第0，2，6，10，15，19幀），其中包含了動(dòng)態(tài)變化背景、目標(biāo)視角變化、目標(biāo)旋轉(zhuǎn)和目標(biāo)輕度遮擋的情況。(a)(b)(c)(d)(e)(f)圖5-4簡(jiǎn)單場(chǎng)景目標(biāo)跟蹤測(cè)試數(shù)據(jù)首先我們?cè)诘?幀上初始化跟蹤目標(biāo)，即在圖5-4（a）上以事先確定的參考點(diǎn)為中心，使用矩形框標(biāo)記目標(biāo)（見圖5-5），然后仿真程序在后續(xù)圖像中自動(dòng)跟蹤目標(biāo)并將跟蹤結(jié)果用矩形框標(biāo)出。分別對(duì)4個(gè)不同大小的目標(biāo)區(qū)域（180×180，170×170，160×160，150×150）進(jìn)行跟蹤實(shí)驗(yàn)，考慮存在目標(biāo)旋轉(zhuǎn)的情況，在每次實(shí)驗(yàn)中均將圖5-2和圖5-3所示算法中參數(shù)m和n設(shè)為1，即不對(duì)目標(biāo)區(qū)域進(jìn)行分塊。圖5-6為仿真測(cè)試得到的目標(biāo)區(qū)域中心運(yùn)動(dòng)路徑，使用矩形框標(biāo)記的150×150目標(biāo)跟蹤結(jié)果如圖5-7所示（圖片序列的順序?yàn)閺淖蟮接遥瑥纳系较拢?1

華南理工大學(xué)博士學(xué)位論文(a)(b)(c)(d)圖5-5初始化跟蹤區(qū)域，其中使用CBF的跟蹤算法標(biāo)記紅色框，使用BF的跟蹤算法標(biāo)記藍(lán)色框。以像素為單位，本測(cè)試分別對(duì)（a）180×180目標(biāo)區(qū)域、（b）170×170目標(biāo)區(qū)域、（c）160×160目標(biāo)區(qū)域和（d）150×150目標(biāo)區(qū)域等4種目標(biāo)對(duì)象進(jìn)行跟蹤。從圖5-6看出，在跟蹤區(qū)域較小時(shí)，目標(biāo)中心的估計(jì)位置容易出現(xiàn)較大偏差，這是由于算法中采用與跟蹤區(qū)域同樣大小的觀測(cè)區(qū)域，使較小跟蹤區(qū)域的觀測(cè)信息少于較大跟蹤區(qū)域的觀測(cè)信息，從而導(dǎo)致由式(5-25)產(chǎn)生的預(yù)測(cè)粒子中存在的偏差不能很好地被矯正。為了比較BF和CBF對(duì)跟蹤算法性能的影響，我們使用目標(biāo)中心估計(jì)的均方差作為跟蹤性能指標(biāo)：MSE(x1,···,xn)=1n√(xixGi)T(xixGi),(5-29)其中，xi,(i=1,···,n)為估計(jì)位置，xGi,(i=1,···,n)為對(duì)應(yīng)的參考位置。使用式(5-29)計(jì)算出的結(jié)果如表5-8所示。同時(shí)使用式(5-7)估計(jì)跟蹤每一幀圖像中目標(biāo)時(shí)粒子濾波器的有效樣本容量，其結(jié)果見圖5-8所示。92


本文編號(hào)：3214387