基于显著区域和色彩信息的SIFT算法在图像检索中的应用

发布时间：2023-09-03 17:00

　　快速发展的网络技术和计算机性能已经能满足对海量图像的精细化处理的需求。这在基于图像的搜索引擎、视频识别、机器人等重要的应用中都有体现。在这些应用中,图像的匹配和检索技术作为基础的工作,具有非常重要的意义。本文根据实际项目的应用需求,研究与分析了当前应用最为广泛的集中图像匹配算法,SIFT、PCA-SIFT、 SURF等等,并基于SIFT算法的实现原理分析了其在实际应用中的不足。 在SIFT算法的特征提取中,通过实验对特征点的标注发现,特征点均匀分布在背景和对象区域。大量背景特征点进入匹配阶段会增加误匹配。为此,本文研究了常用显著区域检测方法,并提出了与常规方法完全不同的显著区域检测算法-基于像素方差的显著区域检测算法,使图像特征点的提取都分布在对象区域。 由于SIFT算法特征描述符中缺乏图像的重要信息-色彩信息,本文提出基于扩展的rgb色彩模型,用于提取特征点邻域内的颜色信息,组成48维的颜色向量,表征特征点局部色彩信息,提高图像特征信息描述的全面性,从而提高匹配准确率。 在SIFT算法的特征匹配阶段,提出用绝对距离和相对距离结合进行图像相似性的度量。 本文最后通过对比实验表明各个改进...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
表目录
图目录
第1章 引言
    1.1 研究背景及意义
    1.2 图像检索国内外研究现状
        1.2.1 基于文本的图像检索
        1.2.2 基于内容的图像检索
    1.3 课题来源
    1.4 论文研究内容与组织结构
第2章 图像匹配相关技术研究
    2.1 图像匹配基础
        2.1.1 基于特征的图像匹配
        2.1.2 图像特征
    2.2 局部特征的检测和描述
    2.3 基于尺度不变特征描述子的SIFT算法
    2.4 SIFT算法存在问题及解决方案
    2.5 本章小结
第3章 基于像素方差的显著区域检测
    3.1 常用的注意力模型
    3.2 基于多信息组合的显著特征图
    3.3 基于像素方差的显著图检测
        3.3.1 转换颜色模式
        3.3.2 区域通道期望计算
        3.3.3 像素方差
        3.3.4 基于像素方差的显著图
    3.4 实验
    3.5 小结
第4章 改进的SIFT算法
    4.1 颜色向量
    4.2 度量指标定义
    4.3 改进的SIFT算法
        4.3.1 显著图提取
        4.3.2 特征点提取
        4.3.3 改进的特征描述符
        4.3.4 匹配策略改进
    4.4 特征匹配
第5章 实验及结果分析
    5.1 算法准确率
    5.2 算法效率
    5.3 综合对比实验
第6章 总结和展望
    6.1 总结
    6.2 展望
参考文献
致谢



本文编号：3845424