本文關(guān)鍵詞：基于特征描述子的圖像匹配算法研究

  更多相關(guān)文章： 圖像匹配 特征提取 圖像描述子 視覺感受域 點集匹配 高斯混合模型

【摘要】：圖像匹配算法的目標(biāo)是尋找圖像之間的同質(zhì)區(qū)域,進(jìn)而根據(jù)同質(zhì)區(qū)域的映射,建立起圖像之間的空間對應(yīng)關(guān)系。它是計算機(jī)視覺研究領(lǐng)域中的一個關(guān)鍵問題,也是三維重建、遙感融合、目標(biāo)識別、目標(biāo)跟蹤、醫(yī)學(xué)圖像分析、增強(qiáng)現(xiàn)實等許多視覺應(yīng)用的基礎(chǔ)。但是,由于光照變化、視角變化、目標(biāo)形態(tài)變化、圖像噪聲等等影響,待匹配圖像可能發(fā)生不同程度的外觀變化,從而影響匹配效果。因此,如何對圖像內(nèi)容的同質(zhì)性進(jìn)行有效地分析與度量,進(jìn)而得到匹配精度高、具有魯棒性的算法,是圖像匹配任務(wù)的重點。 基于特征描述子的圖像匹配算法是該領(lǐng)域的一個重要研究方向。其基本步驟如下：首先,對待匹配圖像中特征區(qū)域的位置與尺度等信息進(jìn)行檢測；然后,基于底層圖像特征提取方法與圖像描述子構(gòu)建方法,對各個特征區(qū)域進(jìn)行描述,產(chǎn)生相應(yīng)的局部圖像描述子；進(jìn)而根據(jù)描述子的相似性度量得到初始匹配結(jié)果,并根據(jù)特征區(qū)域的拓?fù)浣Y(jié)構(gòu),利用點集匹配算法進(jìn)行空間約束,最終得到圖像之間的匹配關(guān)系。因此,為了得到更加魯棒與精確的匹配結(jié)果,本文在國內(nèi)外已有研究基礎(chǔ)上,針對圖像匹配算法的各個步驟進(jìn)行了研究,包括圖像底層特征提取、圖像局部描述子構(gòu)建以及基于局部拓?fù)浣Y(jié)構(gòu)的點集匹配。 主要研究內(nèi)容與創(chuàng)新點可概括如下： 1.圖像匹配算法關(guān)鍵技術(shù)分析。就局部圖像特征來說,傳統(tǒng)底層特征的計算都是基于感興趣區(qū)域中離散像素之間的比較來進(jìn)行。但是,這種基于像素的特征計算方式對噪聲比較敏感,同時也不利于描述較大的圖像結(jié)構(gòu)。其次,對局部圖像描述子的構(gòu)造策略進(jìn)行了研究。為了對圖像中的空間結(jié)構(gòu)信息進(jìn)行有效表征,傳統(tǒng)的圖像描述算法一般在空間上進(jìn)行分塊匯聚操作,但是這種方法沒有考慮到圖像內(nèi)容本身的分布特點,因此魯棒性受到了制約。而在進(jìn)行點集匹配時,一些現(xiàn)有的基于運(yùn)動模型的點集匹配方法雖然能夠處理圖像形變,但是在進(jìn)行迭代運(yùn)算時沒能很好地考慮到點集局部的結(jié)構(gòu)形狀信息。 2.基于局部環(huán)形編碼的底層圖像特征提取算法。我們分析并設(shè)計了基于局部環(huán)形采樣的底層特征結(jié)構(gòu),從而使得其能夠克服經(jīng)典底層圖像特征提取算法的一些缺陷。然后基于此特征結(jié)構(gòu),提出了基于環(huán)形差分編碼與離散余弦變換編碼的特征提取算法,并對其性質(zhì)進(jìn)行了相應(yīng)的論述；最終獲得的底層特征能夠?qū)D像中相對較大的局部模式進(jìn)行表征,反應(yīng)其中像素的局部組織特性與連續(xù)變化,因此具有更好的圖像內(nèi)容刻畫能力,對于各種圖像變換也具有很好的魯棒性,為進(jìn)一步的圖像描述方法與圖像匹配工作提供了基礎(chǔ)。 3.基于視覺感受域的圖像特征描述子構(gòu)造算法。受到人體神經(jīng)系統(tǒng)中視覺感受域的結(jié)構(gòu)與功能特征的啟發(fā),我們首先提出了基于感受域的底層特征組織結(jié)構(gòu)。這種特征組織模式利用了視覺感受域基礎(chǔ)結(jié)構(gòu)特性,并且能夠?qū)⒈疚乃岢龅牡讓犹卣魈崛∷惴ㄟM(jìn)行融合。而為了解決上文提到的池化策略魯棒性問題,本文進(jìn)一步提出了基于模糊C均值的隸屬度池化策略,從而在同一框架下模擬了視覺感受域的空間關(guān)聯(lián)性,將特征區(qū)域劃分為更加具有視覺語義的子塊,對各個圖像特征區(qū)域的空間結(jié)構(gòu)進(jìn)行了有效地編碼。 4.基于結(jié)構(gòu)約束與高斯混合模型后驗更新的點集匹配算法。為了對點集內(nèi)部的拓?fù)潢P(guān)系進(jìn)行綜合表征,我們提出了基于局部結(jié)構(gòu)的點集形狀編碼算法,其中包括了點集基礎(chǔ)模式提取與基于相對坐標(biāo)系的點集形狀池化。局部形狀編碼能夠有效整合點集的空間信息,具有很好的細(xì)化描述能力。在進(jìn)行計算時,對整體點集進(jìn)行歸化,并根據(jù)模板建立相應(yīng)的查詢表,提高了計算效率。然后,我們進(jìn)一步將點集局部結(jié)構(gòu)提取算法融入到基于高斯混合模型的點集匹配框架,并根據(jù)這種局部結(jié)構(gòu)來對匹配過程進(jìn)行約束。同時,根據(jù)相應(yīng)的匹配后驗概率進(jìn)行點集結(jié)構(gòu)的獲取與高斯成分權(quán)重的更新,最后通過求解模型最大后驗的方法將各個數(shù)據(jù)點與高斯混合模型各個成分對應(yīng)起來,從而在此框架下找到兩個點集之間的對應(yīng)關(guān)系,完成點集匹配。
【關(guān)鍵詞】：圖像匹配 特征提取 圖像描述子 視覺感受域 點集匹配 高斯混合模型
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 1 緒論11-35
• 1.1 研究的目的、背景及意義11-16
• 1.2 圖像匹配關(guān)鍵技術(shù)的國內(nèi)外研究現(xiàn)狀16-31
• 1.3 本文的主要研究工作31-33
• 1.4 課題來源以及章節(jié)安排33-35
• 2 基于局部環(huán)形編碼的底層圖像特征提取算法35-55
• 2.1 引言35-36
• 2.2 底層圖像特征提取算法分析36-40
• 2.3 局部環(huán)形采樣編碼算法40-48
• 2.4 對比實驗及分析48-54
• 2.5 本章小結(jié)54-55
• 3 基于視覺感受域的圖像特征描述子構(gòu)造算法55-80
• 3.1 引言55-56
• 3.2 圖像特征描述子構(gòu)造分析56-59
• 3.3 視覺感受域變換描述模式59-62
• 3.4 基于模糊C均值的空間池化算法62-67
• 3.5 描述子的構(gòu)造67-68
• 3.6 對比實驗及分析68-79
• 3.7 本章小結(jié)79-80
• 4 基于局部結(jié)構(gòu)與高斯混合模型的點集匹配算法80-106
• 4.1 引言80-81
• 4.2 點集匹配算法分析81-83
• 4.3 基于局部拓?fù)浣Y(jié)構(gòu)的點集形狀提取算法83-88
• 4.4 基于局部結(jié)構(gòu)描述的點集匹配算法88-95
• 4.5 對比實驗及分析95-104
• 4.6 本章小結(jié)104-106
• 5 結(jié)論106-109
• 5.1 研究工作總結(jié)106-107
• 5.2 未來研究展望107-109
• 致謝109-111
• 參考文獻(xiàn)111-120
• 附錄1 攻讀博士學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄120-121
• 附錄2 攻讀博士學(xué)位期間參加的科研項目121-122
• 附錄3 攻讀博士學(xué)位期間獲得的獎勵122

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王志衡;吳福朝;;均值-標(biāo)準(zhǔn)差描述子與直線匹配[J];模式識別與人工智能;2009年01期

2 劉仰龍;王從慶;高玨;許榮華;;基于小波描述子的水果果形分類[J];浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版);2010年03期

3 王志衡;智珊珊;劉紅敏;;基于亮度序的均值標(biāo)準(zhǔn)差描述子[J];模式識別與人工智能;2013年04期

4 田時髦;汪增福;;一種對亮度變化魯棒的局部特征描述子及其快速生成算法[J];小型微型計算機(jī)系統(tǒng);2013年08期

5 盧鴻波;孫愿;張志敏;;采用旋轉(zhuǎn)匹配的二進(jìn)制局部描述子[J];中國圖象圖形學(xué)報;2013年10期

6 惠國保;李東波;童一飛;;基于優(yōu)化采樣模式的緊湊而快速的二進(jìn)制描述子[J];自動化學(xué)報;2014年02期

7 王濤,劉文印,孫家廣,張宏江;傅立葉描述子識別物體的形狀[J];計算機(jī)研究與發(fā)展;2002年12期

8 劉微;;精簡顏色描述子研究[J];吉林師范大學(xué)學(xué)報(自然科學(xué)版);2008年03期

9 王明俊;王萍;王玲;;基于傅立葉描述子的中長跑自動計圈技術(shù)研究[J];科學(xué)技術(shù)與工程;2009年03期

10 賈其;呂緒良;曾朝陽;許衛(wèi)東;;特征描述子在目標(biāo)偽裝效果評價中的應(yīng)用[J];應(yīng)用科學(xué)學(xué)報;2011年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 金培權(quán);周英華;岳麗華;龔育昌;;基于歷史拓?fù)浜兔枋鲎拥臅r空變化表示[A];第二十屆全國數(shù)據(jù)庫學(xué)術(shù)會議論文集（研究報告篇）[C];2003年

2 張靜茹;何耀;劉興濤;朱明清;陳宗海;;基于區(qū)域協(xié)方差描述子的視頻靜止目標(biāo)檢測[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

3 蔡占川;孫偉;畢寧;齊東旭;;基于U描述子物體形狀的識別[A];全國網(wǎng)絡(luò)與信息安全技術(shù)研討會'2005論文集（下冊）[C];2005年

4 張波;鄒建成;劉旭麗;;一類新的Ⅴ描述子在形狀識別中的應(yīng)用[A];中國幾何設(shè)計與計算新進(jìn)展2007——第三屆中國幾何設(shè)計與計算大會論文集[C];2007年

5 王建;朱明清;趙宇宙;郭明瑋;陳宗海;;基于含時切割平面和區(qū)域協(xié)方差描述子的跳躍行為識別方法[A];第13屆中國系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)年會論文集[C];2011年

6 鐵小勻;鐘文琦;劉雪;鄒建成;;一種新的基于Ⅴ描述子的圖形水印技術(shù)[A];中國幾何設(shè)計與計算新進(jìn)展2007——第三屆中國幾何設(shè)計與計算大會論文集[C];2007年

7 戴岳剛;明東;;基于數(shù)學(xué)描述子的步態(tài)圖像處理方法研究[A];天津市生物醫(yī)學(xué)工程學(xué)會第29屆學(xué)術(shù)年會暨首屆生物醫(yī)學(xué)工程前沿科學(xué)研討會論文集[C];2009年

8 熊剛強(qiáng);齊東旭;;基于分段多項式描述子和BP網(wǎng)絡(luò)的形狀識別方法[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

9 陳興峰;顧行發(fā);李紫薇;余濤;鄭進(jìn)軍;郭丁;;基于“凈化邊界的傅立葉描述子”圖像形狀特征提取[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

10 豐峰;蘇滿秀;袁哲明;;一種新的氨基酸描述子及其在抗菌肽QSAR中的應(yīng)用[A];華中昆蟲研究（第七卷）[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前9條

1 王立峰;藥效多肽的定量序效關(guān)系研究[D];湖南農(nóng)業(yè)大學(xué);2014年

2 曹祝樓;醫(yī)學(xué)圖像配準(zhǔn)中的若干關(guān)鍵問題研究[D];山東大學(xué);2015年

3 黃為;基于序關(guān)系特征描述的高分辨率遙感影像識別研究[D];國防科學(xué)技術(shù)大學(xué);2014年

4 舒禹程;基于特征描述子的圖像匹配算法研究[D];華中科技大學(xué);2015年

5 田甜;快速局部圖像特征提取方法研究[D];華中科技大學(xué);2015年

6 洪曉鵬;新型二階統(tǒng)計描述子及其在物體檢測與跟蹤方面的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

7 林杰;面向移動視覺搜索的緊湊聚合描述子研究[D];北京交通大學(xué);2014年

8 鄧?yán)?擴(kuò)展目標(biāo)的特征提取及目標(biāo)識別[D];中國科學(xué)院研究生院（光電技術(shù)研究所）;2013年

9 陳國華;手性藥物分子結(jié)構(gòu)表征及定量構(gòu)效關(guān)系研究[D];重慶大學(xué);2010年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 常佳;基于肽鏈初級結(jié)構(gòu)表征對肽類藥物進(jìn)行QSAR研究[D];陜西科技大學(xué);2015年

2 吳倩雯;改進(jìn)的SURF描述子及其在服飾圖片檢索中的應(yīng)用研究[D];電子科技大學(xué);2014年

3 李磊;基于3DZernike描述子的視頻水印認(rèn)證技術(shù)研究[D];中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2015年

4 劉曉璐;典型二進(jìn)制描述子研究及性能評估[D];西安電子科技大學(xué);2014年

5 豐一流;SIFT圖像匹配算法面向?qū)崟r性的優(yōu)化與實現(xiàn)[D];國防科學(xué)技術(shù)大學(xué);2013年

6 楊學(xué)文;面向交互語義的用戶基本手勢實時檢索方法研究[D];濟(jì)南大學(xué);2015年

7 何川;基于RGB-D的場景支撐關(guān)系提取算法研究[D];合肥工業(yè)大學(xué);2014年

8 陳婷;三維氨基酸描述子在肽類定量構(gòu)效關(guān)系研究中的應(yīng)用[D];山西大學(xué);2011年

9 倪江榮;基于時空描述子的動作識別模型研究[D];華東師范大學(xué);2012年

10 王達(dá)偉;基于電視導(dǎo)引圖像的傅立葉描述子識別[D];南京航空航天大學(xué);2008年

，

本文編號：753800