局部不變特征描述算法的研究及其應(yīng)用.pdf

1、圖像的局部不變特征是圖像處理、計算機(jī)視覺、模式識別等領(lǐng)域的研究熱點，因為利用圖像的局部不變特征比直接利用圖像的像素具有更好的性能，因此圖像局部不變特征被廣泛地應(yīng)用于各種計算機(jī)視覺應(yīng)用領(lǐng)域，如圖像匹配、圖像拼接、圖像檢索、目標(biāo)識別與跟蹤等。
　　圖像特征描述是圖像局部不變特征提取的一個主要過程，它將一塊圖像區(qū)域轉(zhuǎn)換為數(shù)學(xué)中的向量形式，從而可以被后續(xù)利用。局部強(qiáng)度順序模型(LocalIntensity Order Pattern，LI

2、OP)是一種新穎的特征描述算法，該算法通過設(shè)計一種旋轉(zhuǎn)不變的局部坐標(biāo)系，可避免特征區(qū)域的方向估計。但是，該算法在特征描述時需要對采樣像素進(jìn)行排序，導(dǎo)致其易受噪聲影響;而且，當(dāng)采樣點數(shù)較多時，描述子的維數(shù)較大，不便于后續(xù)利用。
　　針對LIOP算法的缺點，主要做了以下改進(jìn):
　　(1)針對LIOP算法易受噪聲影響的問題，提出了一種改進(jìn)的基于閾值的描述子構(gòu)造算法。在對像素排序時，設(shè)置一個閾值，當(dāng)兩個像素值相差閾值以上時才認(rèn)為有大

3、小關(guān)系。通過設(shè)置閾值，可以有效降低噪聲的影響。
　　(2)針對LIOP算法在采樣點數(shù)較多時，描述子的維數(shù)較大的缺點，提出了一種分段設(shè)計描述子算法。將采樣像素按照奇偶序號分為兩部分，對兩部分分別構(gòu)造描述子，然后將兩部分的描述子串聯(lián)起來。通過這種方法，在保證描述子性能的同時，得到的描述子維數(shù)較低，便于后續(xù)圖像匹配等計算機(jī)視覺方面的應(yīng)用。
　　(3)將紋理加權(quán)算法引入改進(jìn)的描述子構(gòu)造算法，對子區(qū)域內(nèi)各點的描述子累加時乘以一個權(quán)值，

4、該權(quán)值是該點周圍采樣像素差的平方和。該方法進(jìn)一步增強(qiáng)了描述子的魯棒性。
　　對標(biāo)準(zhǔn)的測試圖像和四組包含更復(fù)雜光照變換的圖像進(jìn)行實驗，與傳統(tǒng)的經(jīng)典描述子相比較，本文的描述子顯示出了更優(yōu)越的性能，實驗結(jié)果表明該方法不僅對單調(diào)強(qiáng)度變化和旋轉(zhuǎn)變換具有較好的不變性，并且對其它幾何變換和光照變換也具有較好的魯棒性。最后將本文的描述子用于圖像拼接中，從拼接實驗結(jié)果可以看出，在保證拼接圖像分辨率足夠的情況下，圖像的范圍更大，從拼接的結(jié)果中可以看出