版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、圖像特征提取是計算機視覺的基本問題,是圖像匹配、物體識別、視頻分析、圖像檢索等問題的基礎(chǔ)與重要組成部分。自提出以來,研究人員在這個領(lǐng)域已經(jīng)取得了許多卓越的成果,尤其是生理學,神經(jīng)學等相關(guān)學科的研究發(fā)現(xiàn)大大推動了本學科的進步。但是,圖像特征提取算法仍在諸多方面存在缺陷與限制,比如算法的計算復雜性影響了整個系統(tǒng)的實時性,提取的特征在類型上受到參考模型的限制等。尤其是隨著視覺系統(tǒng)的各種任務越來越復雜、外界環(huán)境引起的圖像變化越來越劇烈、所需要提
2、取的視覺信息越來越多,這就對特征提取方法提出了能夠處理多種圖像結(jié)構(gòu)的要求。而目前廣泛使用的特征檢測技術(shù)只能提取單一的簡單的特征,如邊緣檢測中廣泛使用的Robert、Sobel、Canny算子,角點檢測中的Harris及其改進方法,以及近些年來廣泛使用的SIFT與SURF方法。上述這些方法對于提取的圖像結(jié)構(gòu)都有明確的定義,所以難以通用或者實現(xiàn)特征之間的融合與相關(guān)。為了解決上述問題,就需要從新的角度開發(fā)一種能夠?qū)τ诖蠖鄶?shù)圖像結(jié)構(gòu)都適用的特征
3、檢測方法,所以這一方面也一直是研究的重點與難點。
針對以上問題本文提出了一種基于能量的特征提取技術(shù),既保留了類似于相位特征所具有的對于各種圖像結(jié)構(gòu)的適應性以及對于光照變化的穩(wěn)定性,又實現(xiàn)了大尺度范圍內(nèi)的特征點檢測,并且具有相對更簡單的實現(xiàn)方式。本文的主要研究內(nèi)容有:
1.首先回顧了Gabor函數(shù)與Log-Gabor函數(shù),并比較分析了彼此的優(yōu)缺點,本文主要基于Gabor小波作為圖像多尺度分析的工具。然后從相位的角度出發(fā)
4、,詳細分析了圖像特征的類型,對于特征進行了有效的歸類,研究了基于能量的特征提取技術(shù)。
2.使用Gabor函數(shù)構(gòu)建了圖像的能量空間,使得在大尺度范圍內(nèi)提取特征成為可能。定義了圖像結(jié)構(gòu)與能量相關(guān)的特征尺度,研究了特征在尺度上的變化情況。最后針對圖像卷積速度較慢的缺點,推導出一種遞推形式的卷積公式,實現(xiàn)了能量空間的快速構(gòu)建。
3.針對圖像特征提取受到參考模型限制的問題,本文在分析圖像特征與圖像能量函數(shù)關(guān)系的基礎(chǔ)之上,提出了
5、一種基于能量函數(shù)的圖像特征提取方法。在基于Gabor濾波器組的圖像能量空間中,使用迭代搜索的方法找到能量空間極值點,即同時得到特征點的空間位置與特征尺度。該方法屬于空頻域檢測方法,所以不受到參考模型限制。
4.最后,針對特征提取算法實時性較差的問題,本文探討了使用Gabor函數(shù)近似高斯函數(shù),用于特征尺度提取的方法,并結(jié)合改進的Fast-Hessian特征檢測方法提出了一種快速特征點檢測方法,能夠在大尺度范圍內(nèi)檢測輸入圖像的特征
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于Gabor小波的特征提取與跟蹤方法研究.pdf
- 基于Gabor小波變換的人臉特征提取方法研究.pdf
- 基于Gabor小波變換的掌紋特征提取算法研究.pdf
- 基于gabor小波的人臉特征提取算法研究及仿真
- 基于Gabor小波的目標跟蹤方法研究.pdf
- 基于小波能量的語音識別特征參數(shù)提取.pdf
- 基于Gabor小波的手紋自動認證方法研究.pdf
- 基于小波變換的圖像特征提取方法研究.pdf
- 基于Gabor小波與CS-LBP的人臉特征提取算法研究.pdf
- 基于特征的Gabor小波人臉識別算法改進.pdf
- 基于Gabor小波和局部二值模式的人臉表情特征提取研究.pdf
- 基于Gabor小波的目標識別方法研究.pdf
- Gabor小波特征跟蹤方法研究.pdf
- 基于超小波變換的手指靜脈特征提取方法研究.pdf
- 基于Gabor小波+PCA方法的人臉識別技術(shù)研究.pdf
- 基于小波理論的液壓系統(tǒng)含氣量特征提取方法研究.pdf
- 基于小波變換的機械軸承磨損故障特征提取方法研究.pdf
- 基于能量的局部Gabor特征人臉識別.pdf
- 基于Log Gabor小波的虹膜識別.pdf
- Gabor小波變換像空間的再生核函數(shù).pdf
評論
0/150
提交評論