本文關鍵詞：基于特征描述子的圖像匹配算法研究

  更多相關文章： 圖像匹配 特征提取 圖像描述子 視覺感受域 點集匹配 高斯混合模型

【摘要】：圖像匹配算法的目標是尋找圖像之間的同質區(qū)域,進而根據同質區(qū)域的映射,建立起圖像之間的空間對應關系。它是計算機視覺研究領域中的一個關鍵問題,也是三維重建、遙感融合、目標識別、目標跟蹤、醫(yī)學圖像分析、增強現(xiàn)實等許多視覺應用的基礎。但是,由于光照變化、視角變化、目標形態(tài)變化、圖像噪聲等等影響,待匹配圖像可能發(fā)生不同程度的外觀變化,從而影響匹配效果。因此,如何對圖像內容的同質性進行有效地分析與度量,進而得到匹配精度高、具有魯棒性的算法,是圖像匹配任務的重點。 基于特征描述子的圖像匹配算法是該領域的一個重要研究方向。其基本步驟如下：首先,對待匹配圖像中特征區(qū)域的位置與尺度等信息進行檢測；然后,基于底層圖像特征提取方法與圖像描述子構建方法,對各個特征區(qū)域進行描述,產生相應的局部圖像描述子；進而根據描述子的相似性度量得到初始匹配結果,并根據特征區(qū)域的拓撲結構,利用點集匹配算法進行空間約束,最終得到圖像之間的匹配關系。因此,為了得到更加魯棒與精確的匹配結果,本文在國內外已有研究基礎上,針對圖像匹配算法的各個步驟進行了研究,包括圖像底層特征提取、圖像局部描述子構建以及基于局部拓撲結構的點集匹配。 主要研究內容與創(chuàng)新點可概括如下： 1.圖像匹配算法關鍵技術分析。就局部圖像特征來說,傳統(tǒng)底層特征的計算都是基于感興趣區(qū)域中離散像素之間的比較來進行。但是,這種基于像素的特征計算方式對噪聲比較敏感,同時也不利于描述較大的圖像結構。其次,對局部圖像描述子的構造策略進行了研究。為了對圖像中的空間結構信息進行有效表征,傳統(tǒng)的圖像描述算法一般在空間上進行分塊匯聚操作,但是這種方法沒有考慮到圖像內容本身的分布特點,因此魯棒性受到了制約。而在進行點集匹配時,一些現(xiàn)有的基于運動模型的點集匹配方法雖然能夠處理圖像形變,但是在進行迭代運算時沒能很好地考慮到點集局部的結構形狀信息。 2.基于局部環(huán)形編碼的底層圖像特征提取算法。我們分析并設計了基于局部環(huán)形采樣的底層特征結構,從而使得其能夠克服經典底層圖像特征提取算法的一些缺陷。然后基于此特征結構,提出了基于環(huán)形差分編碼與離散余弦變換編碼的特征提取算法,并對其性質進行了相應的論述；最終獲得的底層特征能夠對圖像中相對較大的局部模式進行表征,反應其中像素的局部組織特性與連續(xù)變化,因此具有更好的圖像內容刻畫能力,對于各種圖像變換也具有很好的魯棒性,為進一步的圖像描述方法與圖像匹配工作提供了基礎。 3.基于視覺感受域的圖像特征描述子構造算法。受到人體神經系統(tǒng)中視覺感受域的結構與功能特征的啟發(fā),我們首先提出了基于感受域的底層特征組織結構。這種特征組織模式利用了視覺感受域基礎結構特性,并且能夠將本文所提出的底層特征提取算法進行融合。而為了解決上文提到的池化策略魯棒性問題,本文進一步提出了基于模糊C均值的隸屬度池化策略,從而在同一框架下模擬了視覺感受域的空間關聯(lián)性,將特征區(qū)域劃分為更加具有視覺語義的子塊,對各個圖像特征區(qū)域的空間結構進行了有效地編碼。 4.基于結構約束與高斯混合模型后驗更新的點集匹配算法。為了對點集內部的拓撲關系進行綜合表征,我們提出了基于局部結構的點集形狀編碼算法,其中包括了點集基礎模式提取與基于相對坐標系的點集形狀池化。局部形狀編碼能夠有效整合點集的空間信息,具有很好的細化描述能力。在進行計算時,對整體點集進行歸化,并根據模板建立相應的查詢表,提高了計算效率。然后,我們進一步將點集局部結構提取算法融入到基于高斯混合模型的點集匹配框架,并根據這種局部結構來對匹配過程進行約束。同時,根據相應的匹配后驗概率進行點集結構的獲取與高斯成分權重的更新,最后通過求解模型最大后驗的方法將各個數(shù)據點與高斯混合模型各個成分對應起來,從而在此框架下找到兩個點集之間的對應關系,完成點集匹配。
【關鍵詞】：圖像匹配 特征提取 圖像描述子 視覺感受域 點集匹配 高斯混合模型
【學位授予單位】：華中科技大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• Abstract6-11
• 1 緒論11-35
• 1.1 研究的目的、背景及意義11-16
• 1.2 圖像匹配關鍵技術的國內外研究現(xiàn)狀16-31
• 1.3 本文的主要研究工作31-33
• 1.4 課題來源以及章節(jié)安排33-35
• 2 基于局部環(huán)形編碼的底層圖像特征提取算法35-55
• 2.1 引言35-36
• 2.2 底層圖像特征提取算法分析36-40
• 2.3 局部環(huán)形采樣編碼算法40-48
• 2.4 對比實驗及分析48-54
• 2.5 本章小結54-55
• 3 基于視覺感受域的圖像特征描述子構造算法55-80
• 3.1 引言55-56
• 3.2 圖像特征描述子構造分析56-59
• 3.3 視覺感受域變換描述模式59-62
• 3.4 基于模糊C均值的空間池化算法62-67
• 3.5 描述子的構造67-68
• 3.6 對比實驗及分析68-79
• 3.7 本章小結79-80
• 4 基于局部結構與高斯混合模型的點集匹配算法80-106
• 4.1 引言80-81
• 4.2 點集匹配算法分析81-83
• 4.3 基于局部拓撲結構的點集形狀提取算法83-88
• 4.4 基于局部結構描述的點集匹配算法88-95
• 4.5 對比實驗及分析95-104
• 4.6 本章小結104-106
• 5 結論106-109
• 5.1 研究工作總結106-107
• 5.2 未來研究展望107-109
• 致謝109-111
• 參考文獻111-120
• 附錄1 攻讀博士學位期間發(fā)表的學術論文目錄120-121
• 附錄2 攻讀博士學位期間參加的科研項目121-122
• 附錄3 攻讀博士學位期間獲得的獎勵122

【相似文獻】

中國期刊全文數(shù)據庫 前10條

1 王志衡;吳福朝;;均值-標準差描述子與直線匹配[J];模式識別與人工智能;2009年01期

2 劉仰龍;王從慶;高玨;許榮華;;基于小波描述子的水果果形分類[J];浙江大學學報(農業(yè)與生命科學版);2010年03期

3 王志衡;智珊珊;劉紅敏;;基于亮度序的均值標準差描述子[J];模式識別與人工智能;2013年04期

4 田時髦;汪增福;;一種對亮度變化魯棒的局部特征描述子及其快速生成算法[J];小型微型計算機系統(tǒng);2013年08期

5 盧鴻波;孫愿;張志敏;;采用旋轉匹配的二進制局部描述子[J];中國圖象圖形學報;2013年10期

6 惠國保;李東波;童一飛;;基于優(yōu)化采樣模式的緊湊而快速的二進制描述子[J];自動化學報;2014年02期

7 王濤,劉文印,孫家廣,張宏江;傅立葉描述子識別物體的形狀[J];計算機研究與發(fā)展;2002年12期

8 劉微;;精簡顏色描述子研究[J];吉林師范大學學報(自然科學版);2008年03期

9 王明俊;王萍;王玲;;基于傅立葉描述子的中長跑自動計圈技術研究[J];科學技術與工程;2009年03期

10 賈其;呂緒良;曾朝陽;許衛(wèi)東;;特征描述子在目標偽裝效果評價中的應用[J];應用科學學報;2011年05期

中國重要會議論文全文數(shù)據庫 前10條

1 金培權;周英華;岳麗華;龔育昌;;基于歷史拓撲和描述子的時空變化表示[A];第二十屆全國數(shù)據庫學術會議論文集（研究報告篇）[C];2003年

2 張靜茹;何耀;劉興濤;朱明清;陳宗海;;基于區(qū)域協(xié)方差描述子的視頻靜止目標檢測[A];第13屆中國系統(tǒng)仿真技術及其應用學術年會論文集[C];2011年

3 蔡占川;孫偉;畢寧;齊東旭;;基于U描述子物體形狀的識別[A];全國網絡與信息安全技術研討會'2005論文集（下冊）[C];2005年

4 張波;鄒建成;劉旭麗;;一類新的Ⅴ描述子在形狀識別中的應用[A];中國幾何設計與計算新進展2007——第三屆中國幾何設計與計算大會論文集[C];2007年

5 王建;朱明清;趙宇宙;郭明瑋;陳宗海;;基于含時切割平面和區(qū)域協(xié)方差描述子的跳躍行為識別方法[A];第13屆中國系統(tǒng)仿真技術及其應用學術年會論文集[C];2011年

6 鐵小勻;鐘文琦;劉雪;鄒建成;;一種新的基于Ⅴ描述子的圖形水印技術[A];中國幾何設計與計算新進展2007——第三屆中國幾何設計與計算大會論文集[C];2007年

7 戴岳剛;明東;;基于數(shù)學描述子的步態(tài)圖像處理方法研究[A];天津市生物醫(yī)學工程學會第29屆學術年會暨首屆生物醫(yī)學工程前沿科學研討會論文集[C];2009年

8 熊剛強;齊東旭;;基于分段多項式描述子和BP網絡的形狀識別方法[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

9 陳興峰;顧行發(fā);李紫薇;余濤;鄭進軍;郭丁;;基于“凈化邊界的傅立葉描述子”圖像形狀特征提取[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

10 豐峰;蘇滿秀;袁哲明;;一種新的氨基酸描述子及其在抗菌肽QSAR中的應用[A];華中昆蟲研究（第七卷）[C];2011年

中國博士學位論文全文數(shù)據庫 前9條

1 王立峰;藥效多肽的定量序效關系研究[D];湖南農業(yè)大學;2014年

2 曹祝樓;醫(yī)學圖像配準中的若干關鍵問題研究[D];山東大學;2015年

3 黃為;基于序關系特征描述的高分辨率遙感影像識別研究[D];國防科學技術大學;2014年

4 舒禹程;基于特征描述子的圖像匹配算法研究[D];華中科技大學;2015年

5 田甜;快速局部圖像特征提取方法研究[D];華中科技大學;2015年

6 洪曉鵬;新型二階統(tǒng)計描述子及其在物體檢測與跟蹤方面的應用[D];哈爾濱工業(yè)大學;2010年

7 林杰;面向移動視覺搜索的緊湊聚合描述子研究[D];北京交通大學;2014年

8 鄧黎;擴展目標的特征提取及目標識別[D];中國科學院研究生院（光電技術研究所）;2013年

9 陳國華;手性藥物分子結構表征及定量構效關系研究[D];重慶大學;2010年

中國碩士學位論文全文數(shù)據庫 前10條

1 常佳;基于肽鏈初級結構表征對肽類藥物進行QSAR研究[D];陜西科技大學;2015年

2 吳倩雯;改進的SURF描述子及其在服飾圖片檢索中的應用研究[D];電子科技大學;2014年

3 李磊;基于3DZernike描述子的視頻水印認證技術研究[D];中國科學院大學(工程管理與信息技術學院);2015年

4 劉曉璐;典型二進制描述子研究及性能評估[D];西安電子科技大學;2014年

5 豐一流;SIFT圖像匹配算法面向實時性的優(yōu)化與實現(xiàn)[D];國防科學技術大學;2013年

6 楊學文;面向交互語義的用戶基本手勢實時檢索方法研究[D];濟南大學;2015年

7 何川;基于RGB-D的場景支撐關系提取算法研究[D];合肥工業(yè)大學;2014年

8 陳婷;三維氨基酸描述子在肽類定量構效關系研究中的應用[D];山西大學;2011年

9 倪江榮;基于時空描述子的動作識別模型研究[D];華東師范大學;2012年

10 王達偉;基于電視導引圖像的傅立葉描述子識別[D];南京航空航天大學;2008年

，

本文編號：753800