圖像局部不變特征檢測與描述技術研究.pdf_第1頁
已閱讀1頁,還剩83頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、局部不變特征提取一直以來都是計算機視覺領域的研究熱點之一,已被成功應用到圖像配準、目標識別、紋理識別、場景識別等領域。實際應用中的不同需求以及不同類型圖像對局部不變特征提出了低算法復雜度、低存儲內存描述、高重復率以及強顯著性的要求。本文以滿足上述需求為目標,基于局部不變特征提取的步驟框架,對特征檢測、基于非線性擴散濾波創(chuàng)建非線性尺度空間以及特征描述等理論及關鍵技術進行了系統(tǒng)深入研究。
  在局部特征檢測部分,詳細的研究及總結特征檢

2、測算法的基本原理,分析對比了算法的性能。針對Harris角點門限判決方法存在的“漏檢”情況,提出了一種基于對比的門限改進方法,提高了算法的重復率。該門限改進方法具有較好的可擴展性,可以將其用于其它基于二階行列式值及行列式跡的特征檢測的門限判決方法中。在尺度空間創(chuàng)建部分,將加性算子分裂方法引入基于非線性擴散濾波的非線性尺度空間的高效創(chuàng)建中,非線性尺度空間相比于線性尺度空間性能更加優(yōu)越,提取特征的顯著性更強。
  深入研究了基于有向梯

3、度直方圖結構描述的特征提取方法,用特征描述的方法進行特征提取,該算法略去了特征描述子構建的過程,降低了算法復雜度的同時提高了重復率及顯著性。并將該方法與非線性尺度空間相結合,構建了一種在各向異性多尺度空間中基于有向梯度直方圖結構描述的局部特征檢測方法,該算法無論是在效率還是在其它性能上均優(yōu)于SIFT,SURF等經(jīng)典算法。
  在局部特征描述部分,詳細分析并歸納了SIFT,PCA-SIFT,GLOH,DAISY以及基于機器學習的描述

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論