圖像的特征提取與描述的研究.pdf

1、特征提取和描述是基于特征的圖像處理和計算機視覺的基礎環(huán)節(jié),特征檢測算子的檢測性能和描述算子的表針性能直接決定了圖像處理的效率和精度。在實際問題中圖像可能受到噪聲、背景的干擾,也可能發(fā)生視角、光照、尺度、平移、旋轉(zhuǎn)、仿射等變化,如何選擇合理的圖像特征和描述算子,使得這些特征不僅具有良好的表針性能,而且在上述變化下保持不變?以計算機視覺的不變理論為基礎,對圖像特征的不變性研究隨之成為圖像處理的一個重要環(huán)節(jié),吸引了眾多研究工作者的興趣。本文針

2、對以上難點做了以下幾方面的工作:特征點檢測在圖像處理中是一個基礎的研究課題.之前的研究都是基與灰度信息.但有時,圖片的顏色特征非常重要,同時,特征檢測的速度也非常重要,因此,本文提出了一種新的特征檢測算法:顏色空間下基于積分圖像的多尺度特征點檢測算法(Under Color multi-scale feature detection based on integral image-CLoM);該方法首先將顏色圖片轉(zhuǎn)化為積分形式.然后對三

3、個顏色通道建立尺度空間.并用Hessian檢測出侯選點.選擇在三個通道和所有尺度空間上的極值點為特征點..為使提取的特征具有很好的奇異性,這就需要為特征設計一個區(qū)分度好的確定性的描述算子,并且對圖像的光照、位移、視角、噪聲等有較強的適應能力。本文提出了一種新的特征描述算子:極坐標下的微分描述算子(HWDH),其基本原理是在對數(shù)-極坐標系下,對特征點圓形鄰域內(nèi)的像素點的微分值進行高斯加權(quán)并作3D直方圖統(tǒng)計,形成一個36維的特征描述向量在將

4、本文的特征點檢測和描述算法應用于圖像配準時,為克服目前很多圖像配準技術只適用于圖像間存在小角度旋轉(zhuǎn)(約為0～5°)的不足,本文構(gòu)建了一種新的局部梯度方向直方圖,同時定義了特征點的主方向,從而提出了一種具有旋轉(zhuǎn)不變性的圖像配準算法。首先采用高斯加權(quán)求模技術,對特征點鄰域內(nèi)的像素的梯度作直方圖統(tǒng)計,確定出具有旋轉(zhuǎn)不變性和抗噪性的特征點主方向。然后用主方向作角度直方圖統(tǒng)計,精確確定待配準圖像之間的旋轉(zhuǎn)角度。這樣,使得新配準算法對于圖像間旋轉(zhuǎn)角