基于SIFT特征的物体识别系统的设计与实现

发布时间：2017-08-12 05:07

  本文关键词：基于SIFT特征的物体识别系统的设计与实现

  更多相关文章： SIFT DSP-SIFT DENSE-SIFT 词袋模型 空间金字塔模型 物体识别 图像局部特征

【摘要】：随着现代仓库规模越来越大,以及仓库存贮物品类型的日益增多,在仓库管理过程中逐渐产生了根据物体的图像来辨识物体的需要。并且,单纯地依靠仓库管理人员进行识别变得越来越困难。本文研究了基于计算机视觉技术构建物体识别系统的方法,试图解决这一问题。SIFT(Scale-invariant feature transform)是一种非常有效的特征提取方法。本文基于SIFT特征构建了物体识别系统。本文首先围绕SIFT特征,分析了SIFT特征和DSP-SIFT特征的提取原理,并做了对比实验,发现DSP-SIFT特征虽然匹配性略好于SIFT但时间复杂度大大高于SIFT。然后,对基于SIFT特征的图像匹配技术做了分析和实验,验证了SIFT特征对于旋转、视角变换、遮挡、亮度变化等干扰具有很好的鲁棒性。在基于SIFT特征的物体识别系统中,首先根据SIFT特征以及Dense-SIFT特征在词袋模型中的优缺点,提出了一种基于SIFT特征和Dense-SIFT特征组合的词袋模型。针对词袋模型对物体空间结构信息的忽略,本文提出了基于SIFT特征和Dense-SIFT特征组合的空间金子塔模型。在使用支持向量机进行分类时,使用了径向基核函数,并使用了交叉验证的方法进行了参数优化。最后进行了系统的仿真实验,验证了本文所提出的基于SIFT特征和Dense-SIFT特征组合的空间金子塔模型的分类性能。最后,本文基于以上所述的理论和方法,使用OpenCV和Qt两个开源软件库设计并实现了物体识别系统。
【关键词】：SIFT DSP-SIFT DENSE-SIFT 词袋模型 空间金字塔模型 物体识别 图像局部特征
【学位授予单位】：兰州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 中文摘要3-4
• Abstract4-8
• 第一章 绪论8-11
• 1.1 研究背景8-9
• 1.2 国内外研究现状9
• 1.3 本文工作9-10
• 1.4 论文章节安排10-11
• 第二章 SIFT特征11-29
• 2.1 引言11
• 2.2 SIFT特征11-22
• 2.2.1 尺度空间的建立11-17
• 2.2.2 尺度空间极值点检测17
• 2.2.3 极值点定位及消除低对比度点17-18
• 2.2.4 消除边缘响应18-19
• 2.2.5 极值点方向分配19-20
• 2.2.6 生成局部特征描述子20-22
• 2.3 DSP-SIFT特征22-27
• 2.3.1 DSP-SIFT实现原理23-24
• 2.3.2 DSP-SIFT在Windows上的移植24-26
• 2.3.3 DSP-SIFT与SIFT的对比26-27
• 2.4 DENSE-SIFT特征27-29
• 第三章 基于SIFT特征的物体识别技术29-40
• 3.1 SIFT特征匹配技术29-30
• 3.1.1 BBF方法29-30
• 3.1.2 FLANN方法30
• 3.2 匹配点对过滤30-32
• 3.2.1 距离过滤方法30-31
• 3.2.2 RANSAC过滤方法31-32
• 3.3 SIFT特征匹配实验32-33
• 3.3.1 实验设计32
• 3.3.2 实验结果和分析32-33
• 3.4 基于物体特征的物体模型33-34
• 3.4.1 Bag of Features模型33-34
• 3.4.2 空间金字塔模型34
• 3.5 基于SIFT和DENSE-SIFT组合特征描述的空间金字塔模型34-36
• 3.5.1 基于SIFT及DENSE-SIFT组合的特征描述35
• 3.5.2 基于SIFT及DENSE-SIFT组合的特征描述的空间金字塔模型35-36
• 3.6 支持向量机分类器36-37
• 3.7 物体识别技术实验37-40
• 3.7.1 数据集37-38
• 3.7.2 实验设计38-39
• 3.7.3 实验结果和分析39-40
• 第四章 基于SIFT特征的物体识别系统的设计与实现40-52
• 4.1 OpenCV简介40
• 4.2 Qt简介40
• 4.3 SQLite简介40
• 4.4 物体识别系统设计简介40-44
• 4.4.1 物体识别系统需求分析41-42
• 4.4.2 物体识别系统架构设计42-44
• 4.5 用户界面设计44-46
• 4.5.1 用户界面原形设计44-45
• 4.5.2 用户界面实现45
• 4.5.3 用户界面效果展示45-46
• 4.6 开发环境配置46-47
• 4.7 详细设计47-52
• 第五章 系统运行结果展示52-56
• 5.1 感兴趣区域提取52
• 5.2 物体识别及查询信息52-56
• 第六章 总结与展望56-58
• 6.1 本文工作总结56
• 6.2 今后工作展望56-58
• 参考文献58-60
• 致谢60

【相似文献】

中国期刊全文数据库 前10条

1 代松;李伟生;;基于亲和传递聚类的多类物体识别方法[J];计算机工程;2009年14期

2 邹利华;;三种基于特征的物体识别算法对比与分析[J];软件导刊;2010年05期

3 连灵;游旭群;;三维物体识别的心理表征:角度依赖还是角度独立[J];心理学报;2011年09期

4 王喜顺;刘曦;史忠植;隋红建;;一种基于特征整合理论的物体识别模型(英文)[J];中国科学院研究生院学报;2012年03期

5 胡敏;齐梅;王晓华;许良凤;;基于显著区域词袋模型的物体识别方法[J];电子测量与仪器学报;2013年07期

6 余少波;鞠发平;肖英明;;物体识别不变性方法比较分析(Ⅱ)——解析方法[J];海军工程学院学报;1993年01期

7 曾建超，柳慧群，林学;基于规则的物体识别定位方法[J];高技术通讯;1995年04期

8 李育贤,王洪波,赵莉;二维物体识别的暂态混沌神经网络方法[J];陕西师范大学学报(自然科学版);2000年01期

9 邵洁;董楠;;基于相关向量机的物体识别[J];上海电力学院学报;2011年02期

10 杨雄;彭刚;徐涛;刘利;兰远东;;物体识别的精神物理学实验测试[J];惠州学院学报(自然科学版);2012年03期

中国重要会议论文全文数据库 前10条

1 陈柘;赵荣椿;;几何不变性及其在3D物体识别中的应用[A];信号与信息处理技术——第一届信号与信息处理联合学术会议论文集[C];2002年

2 连灵;张敏;;三维物体识别的心理表征:角度依赖还是角度独立[A];增强心理学服务社会的意识和功能——中国心理学会成立90周年纪念大会暨第十四届全国心理学学术会议论文摘要集[C];2011年

3 周程;吴飞;庄越挺;;基于层次反馈机制的物体识别[A];第十五届全国图象图形学学术会议论文集[C];2010年

4 孙彦良;任衍具;;真实场景中朝向和背景对物体识别的影响[A];第十二届全国心理学学术大会论文摘要集[C];2009年

5 郭明玮;朱明清;赵宇宙;王建;陈宗海;;基于生物视觉的物体识别方法研究现状分析[A];第13届中国系统仿真技术及其应用学术年会论文集[C];2011年

6 艾浩军;朱荣;张敏;李俊;方禹;王红霞;;基于SIFT尺度分量的两级匹配物体识别算法研究[A];第七届和谐人机环境联合学术会议（HHME2011)论文集【poster】[C];2011年

7 熊英;马惠敏;;SIFT特征在三维物体识别中的应用[A];图像图形技术研究与应用2009——第四届图像图形技术与应用学术会议论文集[C];2009年

8 鲁迪;姜志国;;基于图元检测的物体识别方法研究[A];全国第一届信号处理学术会议暨中国高科技产业化研究会信号处理分会筹备工作委员会第三次工作会议专刊[C];2007年

9 杜建洪;梁子长;;车辆走向定位技术的研究[A];通信理论与信号处理新进展——2005年通信理论与信号处理年会论文集[C];2005年

10 宋广青;高莉;孙秀萍;刘新民;;物体识别实验在东莨菪碱致大鼠学习记忆障碍中的应用[A];2013年全国老年性痴呆与相关疾病学术会议论文汇编[C];2013年

中国博士学位论文全文数据库 前10条

1 陆王天宇;受生物启发的物体识别算法研究[D];复旦大学;2013年

2 王静;视网膜假体中人工视觉信息处理及优化表达研究[D];上海交通大学;2014年

3 齐勇刚;基于草图和边缘的物体识别[D];北京邮电大学;2015年

4 黄颖;基于图理论的图像处理与物体识别算法的研究[D];电子科技大学;2012年

5 刘光灿;基于机器学习的物体识别[D];上海交通大学;2013年

6 徐胜;三维物体识别研究[D];电子科技大学;2010年

7 王兴刚;物体识别中的形状建模和弱监督学习[D];华中科技大学;2014年

8 王利明;机器视觉中物体识别方法的研究与探讨[D];复旦大学;2009年

9 彭绍武;基于形状与语义建模的物体识别[D];华中科技大学;2009年

10 陶维东;非面孔物体识别倒置效应[D];西南大学;2009年

中国硕士学位论文全文数据库 前10条

1 周淼;物体识别中与特征整合相关的脑电活动研究[D];电子科技大学;2012年

2 刘杰;小型地面移动机器人视觉图像特征提取[D];新疆大学;2015年

3 王沁波;基于分层结构的多物体图像识别系统的设计与实现[D];电子科技大学;2014年

4 李元辉;换垫料应激损害大鼠新颖物体识别记忆再激活后提取及其胆碱能受体机制[D];南华大学;2015年

5 李额;Apelin-13改善强迫游泳应激诱导大鼠新颖物体识别记忆损伤[D];南华大学;2015年

6 齐梅;基于词袋模型的物体识别方法研究[D];合肥工业大学;2014年

7 张禹tD;基于移动机器人的动态物体识别[D];吉林大学;2015年

8 宋文豪;基于图像的计算机物体识别研究[D];河北科技大学;2015年

9 李慧霞;室内智能移动机器人规则物体识别与抓取[D];北京交通大学;2016年

10 刘苗苗;基于2D和3D SIFT特征融合的一般物体识别算法研究[D];东南大学;2015年

，

本文编号：659871