基于Gabor小波的能量空間特征點(diǎn)提取方法研究.pdf

1、圖像特征提取是計(jì)算機(jī)視覺(jué)的基本問(wèn)題，是圖像匹配、物體識(shí)別、視頻分析、圖像檢索等問(wèn)題的基礎(chǔ)與重要組成部分。自提出以來(lái)，研究人員在這個(gè)領(lǐng)域已經(jīng)取得了許多卓越的成果，尤其是生理學(xué)，神經(jīng)學(xué)等相關(guān)學(xué)科的研究發(fā)現(xiàn)大大推動(dòng)了本學(xué)科的進(jìn)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(jì)算復(fù)雜性影響了整個(gè)系統(tǒng)的實(shí)時(shí)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(jué)系統(tǒng)的各種任務(wù)越來(lái)越復(fù)雜、外界環(huán)境引起的圖像變化越來(lái)越劇烈、所需要提

2、取的視覺(jué)信息越來(lái)越多，這就對(duì)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(cè)技術(shù)只能提取單一的簡(jiǎn)單的特征，如邊緣檢測(cè)中廣泛使用的Robert、Sobel、Canny算子，角點(diǎn)檢測(cè)中的Harris及其改進(jìn)方法，以及近些年來(lái)廣泛使用的SIFT與SURF方法。上述這些方法對(duì)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(shí)現(xiàn)特征之間的融合與相關(guān)。為了解決上述問(wèn)題，就需要從新的角度開(kāi)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(cè)方法，所以這一方面也一直是研究的重點(diǎn)與難點(diǎn)。
　　針對(duì)以上問(wèn)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(duì)于各種圖像結(jié)構(gòu)的適應(yīng)性以及對(duì)于光照變化的穩(wěn)定性，又實(shí)現(xiàn)了大尺度范圍內(nèi)的特征點(diǎn)檢測(cè)，并且具有相對(duì)更簡(jiǎn)單的實(shí)現(xiàn)方式。本文的主要研究?jī)?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(diǎn)，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(xì)分析了圖像特征的類型，對(duì)于特征進(jìn)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(duì)圖像卷積速度較慢的缺點(diǎn)，推導(dǎo)出一種遞推形式的卷積公式，實(shí)現(xiàn)了能量空間的快速構(gòu)建。
　　3.針對(duì)圖像特征提取受到參考模型限制的問(wèn)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(diǎn)，即同時(shí)得到特征點(diǎn)的空間位置與特征尺度。該方法屬于空頻域檢測(cè)方法，所以不受到參考模型限制。
　　4.最后，針對(duì)特征提取算法實(shí)時(shí)性較差的問(wèn)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(jìn)的Fast-Hessian特征檢測(cè)方法提出了一種快速特征點(diǎn)檢測(cè)方法，能夠在大尺度范圍內(nèi)檢測(cè)輸入圖像的特征