【摘要】：使用傳統(tǒng)的特征描述方法SIFT在單一尺度上描述圖像特征會丟失一部分重要信息,影響圖像的正確匹配結(jié)果。為了解決這一問題,本文在多尺度模糊空間內(nèi)提取特征描述子。信息熵從圖像顯著性角度估計特征點及其周圍的信息,能獲得更多的圖像關(guān)鍵內(nèi)容,本文提出了基于局部熵的圖像特征描述方法。首先,在高斯差分空間(DOG)內(nèi)計算特征點的多層SIFT描述子,同時統(tǒng)計特征點在每層尺度上的局部熵,計算特征點在每層的熵值占所有層熵總和的百分比,利用所得百分比與每層描述子做乘積;然后,累加所有層描述子;最后,使用平方根算法得到最終局部熵特征描述子。通過與其他描述子的對比實驗結(jié)果可知,本文提出的局部圖像描述方法在精確-召回率、平均均勻準(zhǔn)確度和正確匹配數(shù)方面具有強(qiáng)魯棒性。
[Abstract]:Using the traditional feature description method SIFT to describe the image features on a single scale will lose some important information, which will affect the correct matching results of the image. In order to solve this problem, the feature descriptors are extracted in multi-scale fuzzy space. Information entropy estimates the information of feature points and their surroundings from the point of view of image significance, and can obtain more key contents of image. In this paper, an image feature description method based on local entropy is proposed. Firstly, the multi-layer SIFT descriptors of feature points are calculated in Gaussian difference space (DOG), and the local entropy of feature points on each layer scale is counted, and the entropy value of feature points in each layer is calculated as a percentage of the total entropy of all layers, and the product of the obtained percentage and each layer narrator is made by using the obtained percentage; then, all layer descriptors are accumulated; finally, the final local entropy feature descriptors are obtained by using square root algorithm. The experimental results show that the local image description method proposed in this paper is robust in terms of accuracy-recall, average uniform accuracy and correct matching number.
【作者單位】： 吉林大學(xué)計算機(jī)科學(xué)與技術(shù)學(xué)院;吉林交通職業(yè)技術(shù)學(xué)院電子信息學(xué)院;
【基金】：國家自然科學(xué)基金項目(61101155) 吉林省發(fā)展和改革委員會產(chǎn)業(yè)創(chuàng)新專項項目(2016C035)
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李瑞帥;余淑華;潘凱;王圓;;圖像特征金字塔快速計算方法[J];電子世界;2014年07期

2 曾喜良;王金娟;;指紋分割的塊圖像梯度因子聚類法[J];計算機(jī)與數(shù)字工程;2008年07期

3 劉陳;王欣欣;李鳳霞;趙相坤;;一種快速保邊的圖像對象分割方法[J];北京理工大學(xué)學(xué)報;2010年02期

4 朱薇;劉利剛;;圖像適應(yīng)算法中非冗余顯著圖的計算[J];中國圖象圖形學(xué)報;2011年08期

5 柳有權(quán);吳宗勝;韓紅雷;吳恩華;;線條增強(qiáng)的建筑物圖像抽象畫生成[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2013年09期

6 吳駿,唐紅梅,肖志濤,賈志成;一種基于相位信息的圖像對稱性檢測方法[J];信號處理;2004年01期

7 潘如如;高衛(wèi)東;;高緊度機(jī)織物圖像傾斜的自動糾正[J];紡織學(xué)報;2009年10期

8 呂冀;高洪民;汪渤;周志強(qiáng);;圖像制導(dǎo)的目標(biāo)匹配算法與系統(tǒng)設(shè)計[J];彈箭與制導(dǎo)學(xué)報;2009年05期

9 王多超;王永國;董雪梅;胡晰遠(yuǎn);彭思龍;;貝葉斯框架下的單幅圖像去霧算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2010年10期

10 聶棟棟;馬利莊;;改進(jìn)的圖像縫雕刻算法[J];計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報;2011年11期

相關(guān)會議論文 前5條

1 張一鳴;劉亞t，

本文編號：2506521