学位论文 > 优秀研究生学位论文题录展示
基于轮廓的图像局部不变特征检测方法研究
作 者: 林晓泽
导 师: 张小洪
学 校: 重庆大学
专 业: 计算机软件与理论
关键词: 局部不变特征 特征检测 图像轮廓 角点检测 特征区域
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 51次
引 用: 1次
阅 读: 论文下载
内容摘要
局部不变特征检测方法是图像分析、图像理解、计算机视觉和模式识别等领域的重要研究内容,已经成为图像处理的研究热点。由于图像在实际环境中普遍存在旋转、尺度、视点、光照和模糊等变化,如何检测稳定的局部不变特征已成为研究的难点。局部不变特征检测方法按照处理的图像信息不同可以分为基于灰度和基于轮廓两类方法,目前研究主要集中于前者,后者研究得还较少。对于轮廓比较丰富和稳定的图像,基于轮廓的局部不变特征检测方法很有效,因此拓宽这类方法是非常有必要的。本文在深入研究了局部不变特征相关理论和现有一些经典的基于轮廓局部不变特征检测方法的基础上,分析了现有方法存在的问题,提出了新的基于轮廓的局部不变特征检测方法,并取得了良好的实验效果。本文主要研究工作如下:①深入研究了LoG(Laplacian of Gaussian)角点检测方法,并针对该方法存在抗噪性能不足的问题,提出了一种LoG角点检测的改进方法。改进方法引入了多尺度乘积的思想,在增强角点响应的同时有效地抑制了噪声的影响。实验结果表明该方法提升了抗噪性能。②在提取轮廓角点的基础上,针对EBR(Edge Based Region)不变特征区域检测方法时间复杂度高和LoG不变特征区域检测方法在仿射变化下性能差的缺点,提出了一种新的基于轮廓的局部不变区域检测方法。该方法主要利用了轮廓角点、角点的角平分线和轮廓上与角平分线相对不变的特征点来构造不变特征区域。由于角平分线的抗噪能力强,受旋转和尺度等因素的影响较小,该方法检测得到的特征区域具有较好的稳定性和可重复性,且时间复杂度低。③特征检测重复率是目前评估不变特征性能最重要的指标,因此本文也使用这一指标对提出的基于轮廓的局部不变特征区域检测方法进行性能评估。实验图像包含了尺度、旋转、仿射、噪声、压缩和光照等变化,具有广泛的代表性。实验中,本文方法在各种变化条件下都取得了较高的重复率,结果表明该方法效率高,具有较强的鲁棒性和广泛的实用价值。
|
全文目录
中文摘要 3-4 英文摘要 4-8 1 绪论 8-15 1.1 课题研究背景与意义 8-9 1.2 局部不变特征的研究现状 9-13 1.2.1 特征点的检测方法 10-11 1.2.2 特征区域的检测方法 11-13 1.3 论文的研究意义 13-14 1.4 论文的主要工作及创新点 14-15 2 局部不变特征的相关理论及检测方法 15-26 2.1 局部不变特征的相关理论 15-19 2.1.1 不变特征 15-16 2.1.2 仿射不变特征 16-17 2.1.3 不变特征的分类 17-18 2.1.4 不变特征检测方法的分类 18-19 2.2 局部不变特征检测方法的评价指标 19-20 2.2.1 角点检测的评价指标 19-20 2.2.2 不变特征区域检测的评价指标 20 2.3 基于轮廓局部不变特征检测的相关方法 20-25 2.3.1 LoG 角点检测方法 21-22 2.3.2 EBR 不变特征区域检测方法 22-23 2.3.3 LoG 不变特征区域检测方法 23-25 2.4 本章小结 25-26 3 一种基于轮廓的角点检测改进方法 26-35 3.1 多尺度技术 26-27 3.2 多尺度乘积的角点检测 27-30 3.3 实验结果与分析 30-34 3.4 本章小结 34-35 4 一种基于轮廓的不变特征区域检测方法 35-43 4.1 本文方法概述 35-37 4.2 特征方向的求取 37-38 4.3 相对不变点的检测 38-40 4.4 不变特征区域的构造 40-41 4.5 不变特征区域的描述 41-42 4.6 本章小结 42-43 5 性能评估 43-56 5.1 评价准则 43-44 5.2 实验图像 44-46 5.3 实验结果与分析 46-56 5.3.1 重复率结果与分析 46-49 5.3.2 特征总数结果与分析 49-51 5.3.3 特征匹配实验图像 51-56 6 总结与展望 56-58 6.1 总结 56 6.2 展望 56-58 致谢 58-59 参考文献 59-63 附录 63 A. 作者在攻读学位期间发表的论文目录 63
|
相似论文
- 图像拼接技术研究,TP391.41
- PCB视觉检测系统中相机标定算法与位姿测定技术,TP391.41
- 基于组合及统计的图像型垃圾邮件检测研究,TP391.41
- 自主水下航行器同时定位与水底特征检测组合导航方法,U675.7
- 基于深度图像学习的人体部位识别,TP391.41
- 基于降雪模型的图像轮廓提取方法研究,TP391.41
- Ares协议分析与流量检测机制研究,TP393.06
- 基于图像特征提取的图像融合研究,TP391.41
- 摄像机标定中角点快速提取算法研究,TP391.41
- 网页木马检测技术的研究,TP393.08
- 基于局部不变特征的图像匹配技术研究,TP391.41
- 眼底视网膜图像自动分析中质量改善、特征检测及配准的算法研究,TP391.41
- 纹理支持的遥感影像面状地物半自动提取技术研究,TP751
- 基于纹理特征的遥感影像面状地物半自动提取技术研究,TP751
- 基于物理特征的二维流场的并行拓扑结构分析,TP391.41
- 人脸图像变形动画技术研究,TP391.41
- 编码结构光图像中纹线检测技术研究,TP391.41
- 视频图像序列中的人体运动分析,TP391.41
- 基于区域特征的图像检索技术研究,TP391.41
- 认知无线电中基于谱估计的频谱感知技术研究,TN925
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
|