圖像局部不變特征檢測與描述技術(shù)研究.pdf

1、局部不變特征提取一直以來都是計算機視覺領(lǐng)域的研究熱點之一，已被成功應用到圖像配準、目標識別、紋理識別、場景識別等領(lǐng)域。實際應用中的不同需求以及不同類型圖像對局部不變特征提出了低算法復雜度、低存儲內(nèi)存描述、高重復率以及強顯著性的要求。本文以滿足上述需求為目標，基于局部不變特征提取的步驟框架，對特征檢測、基于非線性擴散濾波創(chuàng)建非線性尺度空間以及特征描述等理論及關(guān)鍵技術(shù)進行了系統(tǒng)深入研究。
　　在局部特征檢測部分，詳細的研究及總結(jié)特征檢

2、測算法的基本原理，分析對比了算法的性能。針對Harris角點門限判決方法存在的“漏檢”情況，提出了一種基于對比的門限改進方法，提高了算法的重復率。該門限改進方法具有較好的可擴展性，可以將其用于其它基于二階行列式值及行列式跡的特征檢測的門限判決方法中。在尺度空間創(chuàng)建部分，將加性算子分裂方法引入基于非線性擴散濾波的非線性尺度空間的高效創(chuàng)建中，非線性尺度空間相比于線性尺度空間性能更加優(yōu)越，提取特征的顯著性更強。
　　深入研究了基于有向梯

3、度直方圖結(jié)構(gòu)描述的特征提取方法，用特征描述的方法進行特征提取，該算法略去了特征描述子構(gòu)建的過程，降低了算法復雜度的同時提高了重復率及顯著性。并將該方法與非線性尺度空間相結(jié)合，構(gòu)建了一種在各向異性多尺度空間中基于有向梯度直方圖結(jié)構(gòu)描述的局部特征檢測方法，該算法無論是在效率還是在其它性能上均優(yōu)于SIFT，SURF等經(jīng)典算法。
　　在局部特征描述部分，詳細分析并歸納了SIFT，PCA-SIFT，GLOH，DAISY以及基于機器學習的描述