学位论文 > 优秀研究生学位论文题录展示

基于局部图像特征的目标识别和分类方法研究

作 者: 雷兰一菲
导 师: 郎海涛
学 校: 北京化工大学
专 业: 凝聚态物理
关键词: 局部图像特征 EPD描述符 伪造印章识
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 140次
引 用: 0次
阅 读: 论文下载
 

内容摘要


目标识别和分类方法是当前光学、计算机视觉和人工智能等领域的研究热点,主要包括目标的表达和分类器的设计两个部分。近年来,基于局部图像特征的方法显著发展,本文就是以局部图像特征为基础,通过设计合适的目标表达模型,和适当的分类器,实现对特定目标的识别和分类。首先对局部图像特征进行了较为深入的研究,好的局部图像特征应具有重复率高、速度快和对图像变换的不变性,从上述三个方面对SIFT, SURF, Daisy等三种当今流行的典型局部图像特征进行了比较。提出了一种全新的图像点描述符(EPD),利用图像点周围特定窗口内采样像素点的颜色,梯度模值以及梯度方向构成的特征向量对图像点进行描述。将其与SIFT相比,在不变性方面与前者性能相近,但是其低维度在速度上更加具有优势。EPD描述符不仅适用于描述图像的极值点,而且适用于描述一般的图像点。这一特性使其可以用于稠密立体匹配,并显示了良好的匹配效果。对于局部图像特征的应用还可以延伸到伪造印章的识别领域,对于印文图像识别的配准难的问题,提出了全新的印章识别新体系,以随机生成的特征线一致性来判定印章的真伪,实验表明,这种方法适用于各种类型和内容的印章识别。在目标识别研究中,提取了局部图像特征后,采用BoW方法对这些特征向量聚类,形成特征分布直方图;然后采用SVM作为分类器,并且得到了相应的平均分类准确率;最终实现基于局部特征的目标识别和分类。

全文目录


摘要  5-7
ABSTRACT  7-13
符号说明  13-14
第一章 绪论  14-20
  1.1 引言  14-15
  1.2 目标识别和分类技术发展概述  15-18
    1.2.1 局部图像特征算法概述  15-16
    1.2.2 建模方法  16-17
    1.2.3 分类方法  17-18
  1.3 本课题的背景和意义  18-20
第二章 局部图像算法的比较学习  20-34
  2.1 典型的局部图像特征  20-26
    2.1.1 角点检测发展概况  20-22
    2.1.2 SIFT算法原理  22-24
    2.1.3 SURF算法原理  24-25
    2.1.4 Daisy算法原理  25-26
  2.2 评价标准  26-27
    2.2.1 时间标准  26
    2.2.2 Recall-Precision标准  26-27
    2.2.3 重复率和正确匹配率  27
  2.3 实验结果与分析  27-34
    2.3.1 数据集  27-29
    2.3.2 时间比较结果  29-30
    2.3.3 Recall-Precision实验结果  30-31
    2.3.4 重复率和正确匹配率实验结果  31-34
第三章 增强的点描述符  34-40
  3.1 EPD描述符的生成算法  34-36
  3.2 EPD描述符的距离评价方法  36-37
  3.3 EPD描述符的性能评价试验及实验结果  37-40
    3.3.1 时间标准  37-38
    3.3.2 匹配准确率标准  38-40
第四章 EPD描述符在稠密立体匹配中应用  40-44
  4.1 稠密立体匹配方法概述  40-41
  4.2 EPD描述符在稠密立体匹配中应用  41-44
    4.2.1 实验过程  41-42
    4.2.2 实验数据分析  42-44
第五章 基于匹配特征点随机生成特征线的伪造印章识别方法  44-56
  5.1 伪造印章识别系统新体系  44-47
    5.1.1 伪造印章防伪领域发展概况  44
    5.1.2 伪造印章识别技术  44-46
    5.1.3 伪造印章识别技术新体系的背景  46-47
  5.2 伪造印章的识别方法  47-51
    5.2.1 离线阶段  47
    5.2.2 在线阶段  47-51
  5.3 伪造印章识别的实现  51-56
    5.3.1 伪造印章识别方法的实现  51-53
    5.3.2 统计研究在各种印章的适用性  53-56
第六章 基于BoW和SVM的目标分类实现  56-62
  6.1 理论基础  56-59
    6.1.1 BoW模型(bag of words)  57-58
    6.1.2 支持向量机分类算法  58-59
  6.2 基于BoW和SVM的目标分类实现  59-62
    6.2.1 数据集  59-60
    6.2.3 实验结果分析  60-62
第七章 总结  62-64
参考文献  64-70
致谢  70-72
研究成果和发表的学术论文目录  72-74
作者简介  74
导师简介  74-76
硕士研究生学位论文答辩委员会决议书  76-77

相似论文

  1. 基于FPGA的数字图像处理基本算法研究与实现,TP391.41
  2. 用于检索的人脸特征提取与匹配算法研究,TP391.41
  3. 基于FPGA的高速图像预处理技术的研究,TP391.41
  4. 2D人脸模板保护算法研究,TP391.41
  5. 基于用户兴趣特征的图像检索研究与实现,TP391.41
  6. 图像拼接技术研究,TP391.41
  7. 高效精确字符串匹配算法的研究与实现,TP391.41
  8. 基于三维重建的焊点质量分类方法研究,TP391.41
  9. 舌体特征的提取及融合分类方法研究,TP391.41
  10. 基于人眼检测的驾驶员疲劳状态识别技术,TP391.41
  11. 空中目标与背景的红外图像仿真技术研究,TP391.41
  12. 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
  13. 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
  14. 双传感器图像联合目标检测及系统实现研究,TP391.41
  15. 雾天或背光条件下图像清晰化算法研究及硬件实现,TP391.41
  16. 基于纹理特征的视频编码技术研究,TP391.41
  17. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  18. Q学习在基于内容图像检索技术中的应用,TP391.41
  19. 基于内容的服装图像检索技术研究及实现,TP391.41
  20. 电子稳像系统中旋转稳像算法研究,TP391.41
  21. 图像的稀疏表示及编码模型研究,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com