基于圖像局部特征的物體識(shí)別系統(tǒng)研究.pdf

1、物體識(shí)別是計(jì)算機(jī)視覺(jué)研究的一項(xiàng)關(guān)鍵技術(shù)，在人工智能、人機(jī)交互以及安全監(jiān)控等領(lǐng)域都有著廣泛的應(yīng)用。近年來(lái)，隨著人們對(duì)機(jī)器人學(xué)研究的深入，如何讓機(jī)器人能夠“認(rèn)識(shí)”周圍的物體是一項(xiàng)亟待解決的問(wèn)題，因此本文對(duì)基于圖像局部特征的物體識(shí)別系統(tǒng)進(jìn)行了研究。局部特征與全局特征相比，具有能夠反映圖像本質(zhì)的特點(diǎn)，支持向量機(jī)在解決小樣本、非線性、高維模式識(shí)別問(wèn)題有著特有的優(yōu)勢(shì)，是機(jī)器學(xué)習(xí)領(lǐng)域新的研究熱點(diǎn)。
　　首先設(shè)計(jì)了一個(gè)圖像采集系統(tǒng)，通過(guò)該系統(tǒng)進(jìn)行

2、簡(jiǎn)單地人機(jī)交互，能夠方便、靈活地采集樣本，解決了傳統(tǒng)的圖像分類研究中樣本收集困難以及從標(biāo)準(zhǔn)庫(kù)獲取樣本缺乏靈活性的問(wèn)題。
　　其次，詳細(xì)介紹了SIFT和SURF兩種圖像局部特征的提取算法，總結(jié)出了它們的關(guān)鍵技術(shù)之間的異同點(diǎn)，并通過(guò)實(shí)驗(yàn)對(duì)它們的性能作了比較。
　　受文本分類問(wèn)題的bag-of-words方法的啟發(fā)，本文采用了bag-of-features的圖像表示方法，成功地將圖像表示為向量這種適合于分類研究的表示形式。并針對(duì)傳