基于局部特征的多源圖像配準和識別研究.pdf

1、本論文主要研究基于局部特征的多源圖像配準和識別。多源圖像成像機理不同,成像特點各異,圖像間的灰度具有很大的差異。傳統(tǒng)基于灰度值的圖像處理方法往往只能表達圖像全局性的特征,而這些全局特征非常依賴于圖像灰度分布,因此在處理多源圖像配準時,該類圖像自身灰度的差異性將導致這些全局性方法不在適用或效果很差。
　　本文采用近年來得到深入研究并廣泛應(yīng)用到計算機視覺各個領(lǐng)域中的圖像局部特征方法來進行處理。首先將SIFT特征應(yīng)用于紅外與可見光圖像的

2、匹配以驗證局部特征的有效性,然后提出邊緣增強的MSER特征提取算法(E-MSER)結(jié)合SIFT特征描述進行多源圖像的配準,并與其它常見算法進行對比。實驗結(jié)果顯示SIFT算法在紅外與可見光圖像的匹配問題上表現(xiàn)良好,匹配準確;而對于更復雜的多源圖像,E-MSER算法很好的提取了獨特性區(qū)域,配準精度高,相比其他算法其配準誤差更小,達到一個像素以內(nèi)。在尺度變換和仿射變換下的實驗結(jié)果也表明該方法對圖像變換具有很好的魯棒性。
　　對于圖像的識

3、別,本文采用了Bag-of-Words(BoW)的圖像表達思想。首先對圖像進行密采樣提取其SIFT特征,通過K均值聚類得到碼本,進而得到每幅圖像的BoW表達,最后采用SVM分類器進行識別驗證。為了彌補BoW表達在全局分布上的無差別性,本文引入了空間金字塔(SPM)的處理思想來體現(xiàn)圖像的全局信息。為了提高分類的處理速度,采用稀疏編碼替代傳統(tǒng)的向量。實驗結(jié)果顯示該方法的分類識別精度達到了目前的先進水平。另外,本文還研究了背景數(shù)據(jù)對分類結(jié)果的