局部特征描述子算法研究

论文摘要

随着人们获取图像的途径和所获图像数量的增多,数字图像处理里一些基础性的研究方向变得更加至关重要。局部特征技术作为图像特征抽取的关键技术近些年来得到了广泛的研究和应用。局部特征就是从图像的局部结构出发,用局部信息来构造出具有光照、几何变换不变性的描述子,局部特征不依赖于图像分割的结果因而其对于遮挡,重叠等情况具有良好的鲁棒性,由此局部特征也成为了目前特征提取领域的主流算法。局部特征在图像配准,图像检索,图像识别,纹理识别,视频数据挖掘,图像拼接,图像分类等领域都有着广泛的应用。经过近些年的研究局部特征提取技术得到了快速的发展,其基本思路大致都是首先检测出图像的特征点,而后基于特征点和它的邻域信息构造出稳健的特征向量,最后将图像匹配的问题转换为特征向量的度量问题。然而,局部特征也存在着运算量大,同时容易陷入局部信息而受到噪声干扰的问题,局部特征提取技术距离成熟还有很长的路要走。本文总结了前人的研究成果,从特征点提取和描述子构建两方面阐述了局部特征,深入研究了各种局部描述子的特点,分析了这些技术的利弊。在前人的基础上本文提出了一套局部描述子的提取方案,并将其应用到图像检索上。本文的主要贡献如下:1、针对现有图像特征点提取算法都是从全局图像搜索,本文引入了基于残差的显著性区域检测,并改进了这一算法。在显著性区域检测的基础上检测特征点可以有效的保证特征点的提取集中在图像的物体部分,而避免了背景信息对特征提取带来的影响,从而确保了局部特征反映图像的本质信息。同时滤除不必要的特征点也加快了算法处理的速度。2、针对现有描述子构建算法总是从灰度信息入手,本文引入了颜色判别算法,构建颜色直方图作为特征提取的辅助信息。同时基于像素梯度和像素灰度构建了具备旋转不变和光照不变的特征描述。颜色直方图的引入可以有效的改善算法对于彩色图像的分辨能力,解决了基于传统算法对于那些在纹理和灰度上具有相似性而在颜色上具有差异性的对象难以判别的问题。3、将局部信息应用到图像检索上,提出了用颜色直方图做初始匹配,而后在初始匹配的基础上利用局部描述子做二次匹配的策略,通过这一方法可以大大的提高图像检索的速度,同时也可以改善匹配的效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题意义
• 1.2 局部特征描述子概述
• 1.2.1 局部特征的概念
• 1.2.2 局部特征技术研究概况
• 1.2.3 局部特征技术研究现状
• 1.3 基于内容的图像检索
• 1.3.1 图像检索的概念
• 1.3.2 图像检索现有研究方法
• 1.3.3 基于局部特征描述子的图像检索
• 1.4 本文章节安排
• 第二章 显著性区域检测
• 2.1 显著性区域检测概述
• 2.2 基于残差的显著性区域检测
• 2.3 改进的基于残差的区域检测算法
• 2.4 本章小结
• 第三章 兴趣点提取
• 3.1 尺度空间
• 3.2 角点检测
• 3.2.1 Harris 角点
• 3.2.2 Susan 角点
• 3.2.3 harris-laplace 算子
• 3.3 区域检测
• 3.4 改进的尺度空间极值点
• 3.4.1 显著性区域检测
• 3.4.2 特征点提取算法评价和选择
• 3.5 本章小结
• 第四章 特征描述子
• 4.1 特征描述子
• 4.1.1 sift 描述子
• 4.1.2 surf 描述子
• 4.1.3 Harris Affine 描述子
• 4.2 颜色空间描述
• 4.3 基于彩色信息的特征描述子
• 4.3.1 构建局部描述子
• 4.3.2 彩色描述子
• 4.4 本章小结
• 第五章 基于内容的图像检索
• 5.1 图像检索概要
• 5.2 图像检索相关技术
• 5.3 基于局部特征的图像检索技术
• 5.4 实验结果与分析
• 5.5 本章总结
• 第六章 总结和展望
• 6.1 总结
• 6.2 展望
• 参考文献
• 致谢