基于興趣點多特征融合的物體識別方法研究.pdf

1、物體識別是計算機視覺研究領(lǐng)域中最具挑戰(zhàn)性的研究課題之一。隨著現(xiàn)代圖像獲取技術(shù)的提高，基于圖像的物體識別具有良好的應(yīng)用前景。然而，基于圖像進行物體識別也面臨很多困難：如視點變化、物體類與類之間和類內(nèi)差異都使得物體識別更具有挑戰(zhàn)性。
　　 近年來，興趣點由于具有計算量小和信息含量高的特點被廣泛應(yīng)用于圖像識別領(lǐng)域中?，F(xiàn)階段大多數(shù)基于單一特征物體識別方法都不能達到良好的識別效果，這主要是由于多類物體要正確識別需要考慮到更多的特征。因此，

2、多特征的融合近年來也越來越多地被使用到模式識別中。本文就物體識別面臨的困難，綜合考慮興趣點和多特征融合思想的優(yōu)點，提出一種基于興趣點多特征加權(quán)融合的物體識別方法。
　　 首先，利用簡化的LTP算子去除Harris冗余角點。研究了對于提取圖像的局部特征非常有效的興趣點檢測方法，通過比較LBP算子與LTP算子的優(yōu)缺點，利用簡化的LTP算子去除Harris檢測到的冗余角點，實驗證明簡化的LTP算子對于冗余角點的去除有一定的效果。

3、>　　 其次，定義了一種確定圖像感興趣區(qū)域的方法。根據(jù)檢測到的興趣點的精確位置信息定義待識別圖像的感興趣區(qū)域，實驗證明獲取到的圖像感興趣區(qū)域既能包含待識別物體的基本信息，而且能去除圖像中的背景和其他冗余信息。
　　 然后，采用形狀不變矩、離散小波變換和顏色直方圖方法分別提取感興趣區(qū)域的形狀、紋理和顏色特征。采用提取感興趣區(qū)域圖像的特征的方法，不僅克服了形狀、紋理和顏色特征沒有位置信息的缺點，而且采用形狀不變矩、離散小波變換和顏