局部不變特征描述算法的研究及其應(yīng)用.pdf

1、圖像的局部不變特征是圖像處理、計(jì)算機(jī)視覺(jué)、模式識(shí)別等領(lǐng)域的研究熱點(diǎn)，因?yàn)槔脠D像的局部不變特征比直接利用圖像的像素具有更好的性能，因此圖像局部不變特征被廣泛地應(yīng)用于各種計(jì)算機(jī)視覺(jué)應(yīng)用領(lǐng)域，如圖像匹配、圖像拼接、圖像檢索、目標(biāo)識(shí)別與跟蹤等。
　　圖像特征描述是圖像局部不變特征提取的一個(gè)主要過(guò)程，它將一塊圖像區(qū)域轉(zhuǎn)換為數(shù)學(xué)中的向量形式，從而可以被后續(xù)利用。局部強(qiáng)度順序模型(LocalIntensity Order Pattern，LI

2、OP)是一種新穎的特征描述算法，該算法通過(guò)設(shè)計(jì)一種旋轉(zhuǎn)不變的局部坐標(biāo)系，可避免特征區(qū)域的方向估計(jì)。但是，該算法在特征描述時(shí)需要對(duì)采樣像素進(jìn)行排序，導(dǎo)致其易受噪聲影響;而且，當(dāng)采樣點(diǎn)數(shù)較多時(shí)，描述子的維數(shù)較大，不便于后續(xù)利用。
　　針對(duì)LIOP算法的缺點(diǎn)，主要做了以下改進(jìn):
　　(1)針對(duì)LIOP算法易受噪聲影響的問(wèn)題，提出了一種改進(jìn)的基于閾值的描述子構(gòu)造算法。在對(duì)像素排序時(shí)，設(shè)置一個(gè)閾值，當(dāng)兩個(gè)像素值相差閾值以上時(shí)才認(rèn)為有大

3、小關(guān)系。通過(guò)設(shè)置閾值，可以有效降低噪聲的影響。
　　(2)針對(duì)LIOP算法在采樣點(diǎn)數(shù)較多時(shí)，描述子的維數(shù)較大的缺點(diǎn)，提出了一種分段設(shè)計(jì)描述子算法。將采樣像素按照奇偶序號(hào)分為兩部分，對(duì)兩部分分別構(gòu)造描述子，然后將兩部分的描述子串聯(lián)起來(lái)。通過(guò)這種方法，在保證描述子性能的同時(shí)，得到的描述子維數(shù)較低，便于后續(xù)圖像匹配等計(jì)算機(jī)視覺(jué)方面的應(yīng)用。
　　(3)將紋理加權(quán)算法引入改進(jìn)的描述子構(gòu)造算法，對(duì)子區(qū)域內(nèi)各點(diǎn)的描述子累加時(shí)乘以一個(gè)權(quán)值，

4、該權(quán)值是該點(diǎn)周圍采樣像素差的平方和。該方法進(jìn)一步增強(qiáng)了描述子的魯棒性。
　　對(duì)標(biāo)準(zhǔn)的測(cè)試圖像和四組包含更復(fù)雜光照變換的圖像進(jìn)行實(shí)驗(yàn)，與傳統(tǒng)的經(jīng)典描述子相比較，本文的描述子顯示出了更優(yōu)越的性能，實(shí)驗(yàn)結(jié)果表明該方法不僅對(duì)單調(diào)強(qiáng)度變化和旋轉(zhuǎn)變換具有較好的不變性，并且對(duì)其它幾何變換和光照變換也具有較好的魯棒性。最后將本文的描述子用于圖像拼接中，從拼接實(shí)驗(yàn)結(jié)果可以看出，在保證拼接圖像分辨率足夠的情況下，圖像的范圍更大，從拼接的結(jié)果中可以看出