圖像二進(jìn)制描述子及其目標(biāo)識(shí)別算法研究.pdf

1、圖像的特征提取和分析是計(jì)算機(jī)視覺的重要研究內(nèi)容，廣泛應(yīng)用于目標(biāo)識(shí)別、圖像分類和匹配、人臉識(shí)別等領(lǐng)域。浮點(diǎn)型特征占用很大的存儲(chǔ)空間和計(jì)算代價(jià)，已經(jīng)不能滿足日益增長的大規(guī)模圖像數(shù)據(jù)處理的要求。二進(jìn)制描述符由于其計(jì)算簡單和高效性，在圖像處理和計(jì)算機(jī)視覺領(lǐng)域有廣泛的應(yīng)用前景。但是傳統(tǒng)的二進(jìn)制描述子對(duì)噪聲比較敏感，量化過程過于簡單，丟失了很多細(xì)節(jié)信息，缺乏足夠的判別能力，在性能上與浮點(diǎn)型特征仍然存在差距。以目標(biāo)識(shí)別作為應(yīng)用背景，分析比較了各種二進(jìn)

2、制描述子并對(duì)其進(jìn)行了改進(jìn)，提出了幾種基于區(qū)域不變量的局部二值特征。
　　本研究主要內(nèi)容包括：⑴分析了所有仿射不變區(qū)域的8鄰域像素與中心像素灰度差值分布情況，發(fā)現(xiàn)其近似服從零均值的高斯分布，提出了一種基于灰度差值自適應(yīng)量化的局部二值模式。為了包含更多的空間結(jié)構(gòu)信息并提高對(duì)光照變化的魯棒性，使用了基于灰度序的方法對(duì)仿射區(qū)域分塊取代矩形分塊。由于所有仿射區(qū)域的灰度差近似于一個(gè)零均值的高斯分布，以圖像所有仿射區(qū)域灰度差分布的方差為閾值建立

3、自適應(yīng)量化等級(jí)，使用了動(dòng)態(tài)閾值提高了描述子對(duì)噪聲的魯棒性和判別能力。為了使描述子對(duì)旋轉(zhuǎn)變化有較好的魯棒性，采取旋轉(zhuǎn)不變采樣的方式采樣像素點(diǎn)并求得它與鄰域中心像素的灰度差值，排序后并映射成二進(jìn)制描述子，統(tǒng)計(jì)對(duì)應(yīng)十進(jìn)制數(shù)的頻率分布形成直方圖特征。同時(shí)使用了多尺度特征描述進(jìn)一步提高了特征描述符的判別能力，通過改變仿射區(qū)域大小，將大小不同區(qū)域的描述符串聯(lián)起來形成多尺度的特征作為圖像仿射區(qū)域的特征描述。⑵基于關(guān)鍵點(diǎn)的局部特征描述了圖像在各種變化下

4、穩(wěn)定區(qū)域的特征，但沒有考慮圖像的全局結(jié)構(gòu)信息。由于整幅圖像中8鄰域像素與中心像素的灰度差值的分布也是近似符合零均值的高斯分布，因此提出了以圖像總體梯度方差為閾值的的基于梯度排序的二值模式來描述圖像的全局特征。首先將整幅圖像按灰度值分布分成若干個(gè)子區(qū)域，在每個(gè)子區(qū)域中分別計(jì)算8鄰域梯度大小并對(duì)梯度進(jìn)行排序，然后映射成二進(jìn)制描述子，再用類似LBP的方法轉(zhuǎn)換成十進(jìn)制數(shù)，統(tǒng)計(jì)頻率分布得到直方圖，并且采用了多尺度原理改變鄰域大小求得對(duì)應(yīng)尺度下的特

5、征描述，最后把多個(gè)尺度下的特征連接起來作為圖像的全局特征描述符。與局部特征相比，能更好地保留目標(biāo)的全局空間結(jié)構(gòu)關(guān)系。⑶二進(jìn)制描述子對(duì)灰度差值使用了簡單的二值量化，量化等級(jí)太簡單，不適合直接用作目標(biāo)識(shí)別中的特征提取。由于高階位平面上反映了圖像的主要內(nèi)容，并且對(duì)噪聲有較好的魯棒性，因此提出了在高階位平面提取目標(biāo)的全局特征的二進(jìn)制描述子。首先將圖像按灰度值分布分成若干個(gè)子區(qū)域，對(duì)每個(gè)子區(qū)域的像素來說，對(duì)其鄰域的灰度值進(jìn)行排序，提取4個(gè)重要位平

6、面，然后對(duì)位平面上的像素按灰度值排列形成二進(jìn)制描述子，這樣可以使描述符對(duì)旋轉(zhuǎn)變化有較好的魯棒性，并與位平面每個(gè)鄰域中心像素形成聯(lián)合直方圖特征。位平面上直接提取二進(jìn)制特征避免了在量化形成二值特征過程中信息的丟失，提高了描述符的判別能力。采用了多尺度原理改變鄰域大小求得多尺度下的特征描述，在較大尺度下先對(duì)鄰域像素執(zhí)行均值操作再提取高階位平面，使得描述符對(duì)噪聲有一定的魯棒性，并且可以獲得更多的局部信息，最后把多個(gè)尺度下的特征連接起來作為圖像的