基于印刷體數(shù)字SIFT特征的目標(biāo)識(shí)別.pdf

1、隨著實(shí)時(shí)視頻監(jiān)控系統(tǒng)在軍事、工業(yè)以及日常生活的廣泛應(yīng)用，目標(biāo)識(shí)別技術(shù)已成為計(jì)算機(jī)視覺領(lǐng)域的重要技術(shù)。目標(biāo)識(shí)別技術(shù)的核心是根據(jù)可區(qū)分的、獨(dú)特的特征向量判斷目標(biāo)的身份。然而在某些監(jiān)控場(chǎng)合，由于噪音干擾、尺度變化及圖像模糊等問題，目標(biāo)之間的特征差異較小，造成了目標(biāo)識(shí)別的結(jié)果不理想。因此，本文引入了基于印刷體數(shù)字SIFT特征的目標(biāo)識(shí)別，它可以有效的克服目標(biāo)特征相近等情況，改善目標(biāo)識(shí)別效果。為了有效地實(shí)現(xiàn)印刷體數(shù)字識(shí)別技術(shù)，本文展開了以下研究：<

2、br>　　首先，本文分析了現(xiàn)有的印刷體數(shù)字識(shí)別算法，現(xiàn)有的算法在印刷體數(shù)字發(fā)生變形時(shí)，識(shí)別率將急速下降。因此本文使用了尺度不變特征轉(zhuǎn)換算法， SIFT(Scale-Invariant Feature Transform)算法，同時(shí)為了增加了圖像的外觀及輪廓信息，本文研究了Dense SIFT算法，這是一種對(duì)圖像進(jìn)行高密度SIFT特征采集的算法，為印刷體數(shù)字識(shí)別提供了更多的特征。
　　其次，為了改善印刷體數(shù)字識(shí)別的準(zhǔn)確率和識(shí)別效率，

3、本文提出了一種基于邊緣檢測(cè)的SIFT算法。該算法首先采用了Canny邊緣檢測(cè)算子提取圖像邊緣，從而快速地定位了印刷體數(shù)字關(guān)鍵點(diǎn)的區(qū)域。在關(guān)鍵點(diǎn)區(qū)域內(nèi)提取 SIFT特征向量，不但縮短了關(guān)鍵點(diǎn)的搜索時(shí)間，同時(shí)確定了關(guān)鍵點(diǎn)在印刷體數(shù)字的區(qū)域內(nèi)，減少了冗余的關(guān)鍵點(diǎn)，從而實(shí)現(xiàn)高效、準(zhǔn)確的印刷體數(shù)字識(shí)別算法。
　　接著，本文搭建了印刷體數(shù)字識(shí)別的模型，模型根據(jù)SIFT特征向量的聚類結(jié)果建立了視覺關(guān)鍵詞庫(kù)，接著，使用視覺詞袋描述圖像信息，最終生