基于Gabor小波的能量空間特征點提取方法研究.pdf

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