仿人眼尺度自動選擇理論和應(yīng)用研究.pdf

1、人類視覺的一項(xiàng)重要特性就是能夠在多尺度下識別場景中的事物，既可統(tǒng)管全局亦可細(xì)致入微。因此，關(guān)于人類視覺多尺度感知的研究是仿人眼視覺特性研究中的重點(diǎn)和難點(diǎn)，在仿生視覺中占據(jù)重要的位置。當(dāng)前，圖像分析與識別技術(shù)的高速發(fā)展對圖像解釋提出了更高的要求，而圖像分辨率的提高和更多細(xì)節(jié)的呈現(xiàn)，也使得通過細(xì)節(jié)認(rèn)識圖像模式有了可能，驅(qū)使圖像局部特征理論及其應(yīng)用研究在機(jī)器視覺領(lǐng)域獨(dú)樹一幟，蓬勃發(fā)展。本文從分析人腦視皮層的尺度選擇機(jī)理著手，提出新穎的自動尺度

2、選擇方法，為圖像局部特征的尺度賦予更鮮明的意義，并為基于特征尺度的圖像分割提供一種新穎的思路。論文的主要內(nèi)容如下:
　　第一章，闡述本課題的相關(guān)研究背景、目的和意義，綜述人類視覺認(rèn)識機(jī)理以及圖像局部特征檢測與描述在國內(nèi)外相關(guān)領(lǐng)域的研究現(xiàn)狀，給出仿人眼尺度選擇研究中所要面臨的關(guān)鍵問題，總結(jié)了本課題的主要研究內(nèi)容。
　　第二章，分析人類視覺感知模型與尺度空間的關(guān)系，對高斯尺度空間的理論和性質(zhì)進(jìn)行闡述，剖析了高斯尺度空間所存在的缺

3、陷。闡述在高斯尺度空間中對信號進(jìn)行尺度選擇的基礎(chǔ)理論和方法，為后續(xù)研究的開展奠定基礎(chǔ)。
　　第三章，提出基于極值路徑的DoG尺度優(yōu)化方法(EP-DoG)，在對高斯尺度空間進(jìn)行剖析的基礎(chǔ)之上，對特征點(diǎn)在尺度空間中的“漂移”行為進(jìn)行分析，通過極值路徑搜索法得到特征點(diǎn)在尺度空間各個層面的“漂移”路徑，并在尺度空間中沿著極值路徑搜索DoG取得極值響應(yīng)的尺度作為特征尺度，實(shí)驗(yàn)證明EP-DoG優(yōu)于DoG尺度選擇方法，可以更為有效的選擇特征尺度

4、并去除重復(fù)冗余的特征。
　　第四章，提出一種針對角點(diǎn)的自相關(guān)橢圓穩(wěn)定性度量的SMM尺度選擇法(Second Moment Matrix)。研究了特征角點(diǎn)鄰域自相關(guān)函數(shù)的橢圓表示方法以及在尺度空間中自相關(guān)橢圓的形變度量方法，構(gòu)造自相關(guān)橢圓形變度量函數(shù)用于尺度選擇，即SMM尺度選擇方法。通過實(shí)驗(yàn)分析得出，SMM尺度選擇方法具備優(yōu)良的有效性和適用性。提出不依賴于尺度空間的梯度頻譜能量尺度選擇法GFT（Gradient Frequency

5、 Transform），構(gòu)造GFT邊界能量函數(shù)用于度量特征區(qū)域邊界梯度的均勻性和疏密程度，選擇最小能量的穩(wěn)定駐點(diǎn)所對應(yīng)的尺度作為特征尺度。實(shí)驗(yàn)證明，GFT尺度選擇方法較其它的尺度選擇方法更為有效，并且能很好的面對圖像旋轉(zhuǎn)、尺度伸縮等變化。
　　第五章，提出基于特征尺度的邊緣分割方法。針對現(xiàn)有邊緣特征尺度選擇方法無法為圖像邊緣選擇具有實(shí)際意義尺度的問題，提出了一種邊緣特征尺度選擇方法。通過對邊緣線在尺度空間中的演化進(jìn)行分析，得到邊緣

6、線段的特征尺度，并成功應(yīng)用于邊緣分割，為圖像分割提供了一種新穎的思路。實(shí)驗(yàn)證明，本文提出的邊緣特征尺度選擇方法所選擇的尺度具有實(shí)際意義，能夠有效地應(yīng)用在邊緣分割當(dāng)中，分離出各個尺度范圍的邊緣線段，得到顯著邊緣。
　　第六章，提出基于自動尺度局部特征配準(zhǔn)的混疊運(yùn)動目標(biāo)分割方法。以分割混疊運(yùn)動目標(biāo)為出發(fā)點(diǎn)，研究在復(fù)雜動態(tài)背景下更為魯棒的運(yùn)動分割算法。采用GFT尺度選擇法為運(yùn)動特征點(diǎn)選擇尺度并構(gòu)建局部描述，通過幀間配準(zhǔn)得到局部位移量，并