圖像的不變特征檢測與描述研究.pdf

1、特征提取和描述是基于特征的圖像處理和計算機(jī)視覺的基礎(chǔ)環(huán)節(jié)，特征檢測算子的檢測性能和描述算子的表針性能直接決定了圖像處理的效率和精度。在實際問題中圖像可能受到噪聲、背景的干擾，也可能發(fā)生視角、光照、尺度、平移、旋轉(zhuǎn)、仿射等變化，如何選擇合理的圖像特征和描述算子，使得這些特征不僅具有良好的表針性能，而且在上述變化下保持不變?以計算機(jī)視覺的不變理論為基礎(chǔ)，對圖像特征的不變性研究隨之成為圖像處理的一個重要環(huán)節(jié)，吸引了眾多研究工作者的興趣。本文針

2、對以上難點做了以下幾方面的工作： Harris角點檢測是一種經(jīng)典的角點檢測算法，但不具有尺度不變性。本文把多分辨分析的思想引入到該算法中，構(gòu)造了基于小波變換的灰度強(qiáng)度變化公式，并得到了具有尺度變換特性的自相關(guān)矩陣，從而構(gòu)建了一種新的基于小波變換的Harris多尺度角點檢測算法。這樣，使得新的角點檢測可以在不同的尺度下獲取角點，并克服了單一尺度的Harris角點檢測可能存在的角點信息丟失、角點位置偏移和易受噪而提取出偽角點等問題。

3、 為使提取的特征具有很好的奇異性，這就需要為特征設(shè)計一個區(qū)分度好的確定性的描述算子，并且對圖像的光照、位移、視角、噪聲等有較強(qiáng)的適應(yīng)能力。本文提出了一種新的特征描述算子：曲率特征向量描述算子(CFVD)，其基本原理是在5×12的對數(shù)．極坐標(biāo)系下，對特征點圓形鄰域內(nèi)的像素點的高斯加權(quán)曲率作3D直方圖統(tǒng)計，形成一個60維的特征描述向量。該方法用像素點的曲率替代邊緣點數(shù)作對數(shù)．極線直方圖統(tǒng)計，構(gòu)建的曲率特征描述算子既保留了特征點的全局

4、特征，又不依賴于圖像的邊緣檢測效果，對圖像的局部相似性、噪聲和非剛體變換具有魯棒性。同時選取x<'2>-距離作為相似性度量準(zhǔn)則實現(xiàn)精確快捷的特征匹配效果。 在將本文的特征點檢測和描述算法應(yīng)用于圖像配準(zhǔn)時，為克服目前很多圖像配準(zhǔn)技術(shù)只適用于圖像間存在小角度旋轉(zhuǎn)(約為O～5°)的不足，本文構(gòu)建了一種新的局部梯度方向直方圖，同時定義了特征點的主方向，從而提出了一種具有旋轉(zhuǎn)不變性的圖像配準(zhǔn)算法。首先采用高斯加權(quán)求模技術(shù)，對特征點鄰域內(nèi)的