图像二进制描述子及其目标识别算法研究

发布时间：2017-12-14 18:12

  本文关键词：图像二进制描述子及其目标识别算法研究

  更多相关文章： 特征提取 目标识别 二进制描述子 自适应量化 梯度排序 重要位平面

【摘要】：图像的特征提取和分析是计算机视觉的重要研究内容,广泛应用于目标识别、图像分类和匹配、人脸识别等领域。浮点型特征占用很大的存储空间和计算代价,已经不能满足日益增长的大规模图像数据处理的要求。二进制描述符由于其计算简单和高效性,在图像处理和计算机视觉领域有广泛的应用前景。但是传统的二进制描述子对噪声比较敏感,量化过程过于简单,丢失了很多细节信息,缺乏足够的判别能力,在性能上与浮点型特征仍然存在差距。以目标识别作为应用背景,分析比较了各种二进制描述子并对其进行了改进,提出了几种基于区域不变量的局部二值特征。分析了所有仿射不变区域的8邻域像素与中心像素灰度差值分布情况,发现其近似服从零均值的高斯分布,提出了一种基于灰度差值自适应量化的局部二值模式。为了包含更多的空间结构信息并提高对光照变化的鲁棒性,使用了基于灰度序的方法对仿射区域分块取代矩形分块。由于所有仿射区域的灰度差近似于一个零均值的高斯分布,以图像所有仿射区域灰度差分布的方差为阈值建立自适应量化等级,使用了动态阈值提高了描述子对噪声的鲁棒性和判别能力。为了使描述子对旋转变化有较好的鲁棒性,采取旋转不变采样的方式采样像素点并求得它与邻域中心像素的灰度差值,排序后并映射成二进制描述子,统计对应十进制数的频率分布形成直方图特征。同时使用了多尺度特征描述进一步提高了特征描述符的判别能力,通过改变仿射区域大小,将大小不同区域的描述符串联起来形成多尺度的特征作为图像仿射区域的特征描述。基于关键点的局部特征描述了图像在各种变化下稳定区域的特征,但没有考虑图像的全局结构信息。由于整幅图像中8邻域像素与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,因此提出了以图像总体梯度方差为阈值的的基于梯度排序的二值模式来描述图像的全局特征。首先将整幅图像按灰度值分布分成若干个子区域,在每个子区域中分别计算8邻域梯度大小并对梯度进行排序,然后映射成二进制描述子,再用类似LBP的方法转换成十进制数,统计频率分布得到直方图,并且采用了多尺度原理改变邻域大小求得对应尺度下的特征描述,最后把多个尺度下的特征连接起来作为图像的全局特征描述符。与局部特征相比,能更好地保留目标的全局空间结构关系。二进制描述子对灰度差值使用了简单的二值量化,量化等级太简单,不适合直接用作目标识别中的特征提取。由于高阶位平面上反映了图像的主要内容,并且对噪声有较好的鲁棒性,因此提出了在高阶位平面提取目标的全局特征的二进制描述子。首先将图像按灰度值分布分成若干个子区域,对每个子区域的像素来说,对其邻域的灰度值进行排序,提取4个重要位平面,然后对位平面上的像素按灰度值排列形成二进制描述子,这样可以使描述符对旋转变化有较好的鲁棒性,并与位平面每个邻域中心像素形成联合直方图特征。位平面上直接提取二进制特征避免了在量化形成二值特征过程中信息的丢失,提高了描述符的判别能力。采用了多尺度原理改变邻域大小求得多尺度下的特征描述,在较大尺度下先对邻域像素执行均值操作再提取高阶位平面,使得描述符对噪声有一定的鲁棒性,并且可以获得更多的局部信息,最后把多个尺度下的特征连接起来作为图像的全局特征描述符。描述符对光照变化、旋转变化和尺度变化有较好的鲁棒性,提出了基于二进制描述子的图像相似性度量方法和目标识别算法。在三个目标识别图像库上进行了测试获得了较高的准确率,实验结果表明我们的特征描述符要优于现有的二进制描述子和浮点型特征SIFT。
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 王志衡;吴福朝;;均值-标准差描述子与直线匹配[J];模式识别与人工智能;2009年01期

2 刘仰龙;王从庆;高珏;许荣华;;基于小波描述子的水果果形分类[J];浙江大学学报(农业与生命科学版);2010年03期

3 王志衡;智珊珊;刘红敏;;基于亮度序的均值标准差描述子[J];模式识别与人工智能;2013年04期

4 田时髦;汪增福;;一种对亮度变化鲁棒的局部特征描述子及其快速生成算法[J];小型微型计算机系统;2013年08期

5 卢鸿波;孙愿;张志敏;;采用旋转匹配的二进制局部描述子[J];中国图象图形学报;2013年10期

6 惠国保;李东波;童一飞;;基于优化采样模式的紧凑而快速的二进制描述子[J];自动化学报;2014年02期

7 王涛,刘文印,孙家广,张宏江;傅立叶描述子识别物体的形状[J];计算机研究与发展;2002年12期

8 刘微;;精简颜色描述子研究[J];吉林师范大学学报(自然科学版);2008年03期

9 王明俊;王萍;王玲;;基于傅立叶描述子的中长跑自动计圈技术研究[J];科学技术与工程;2009年03期

10 贾其;吕绪良;曾朝阳;许卫东;;特征描述子在目标伪装效果评价中的应用[J];应用科学学报;2011年05期

中国重要会议论文全文数据库 前10条

1 金培权;周英华;岳丽华;龚育昌;;基于历史拓扑和描述子的时空变化表示[A];第二十届全国数据库学术会议论文集（研究报告篇）[C];2003年

2 张静茹;何耀;刘兴涛;朱明清;陈宗海;;基于区域协方差描述子的视频静止目标检测[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

3 蔡占川;孙伟;毕宁;齐东旭;;基于U描述子物体形状的识别[A];全国网络与信息安全技术研讨会'2005论文集（下册）[C];2005年

4 张波;邹建成;刘旭丽;;一类新的Ⅴ描述子在形状识别中的应用[A];中国几何设计与计算新进展2007——第三届中国几何设计与计算大会论文集[C];2007年

5 王建;朱明清;赵宇宙;郭明玮;陈宗海;;基于含时切割平面和区域协方差描述子的跳跃行为识别方法[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 铁小匀;钟文琦;刘雪;邹建成;;一种新的基于Ⅴ描述子的图形水印技术[A];中国几何设计与计算新进展2007——第三届中国几何设计与计算大会论文集[C];2007年

7 戴岳刚;明东;;基于数学描述子的步态图像处理方法研究[A];天津市生物医学工程学会第29届学术年会暨首届生物医学工程前沿科学研讨会论文集[C];2009年

8 熊刚强;齐东旭;;基于分段多项式描述子和BP网络的形状识别方法[A];第十五届全国图象图形学学术会议论文集[C];2010年

9 陈兴峰;顾行发;李紫薇;余涛;郑进军;郭丁;;基于“净化边界的傅立叶描述子”图像形状特征提取[A];第十四届全国图象图形学学术会议论文集[C];2008年

10 丰峰;苏满秀;袁哲明;;一种新的氨基酸描述子及其在抗菌肽QSAR中的应用[A];华中昆虫研究（第七卷）[C];2011年

中国博士学位论文全文数据库 前10条

1 王立峰;药效多肽的定量序效关系研究[D];湖南农业大学;2014年

2 曹祝楼;医学图像配准中的若干关键问题研究[D];山东大学;2015年

3 黄为;基于序关系特征描述的高分辨率遥感影像识别研究[D];国防科学技术大学;2014年

4 舒禹程;基于特征描述子的图像匹配算法研究[D];华中科技大学;2015年

5 田甜;快速局部图像特征提取方法研究[D];华中科技大学;2015年

6 李莹莹;图像局部特征描述子的构建研究[D];合肥工业大学;2015年

7 洪晓鹏;新型二阶统计描述子及其在物体检测与跟踪方面的应用[D];哈尔滨工业大学;2010年

8 林杰;面向移动视觉搜索的紧凑聚合描述子研究[D];北京交通大学;2014年

9 邓黎;扩展目标的特征提取及目标识别[D];中国科学院研究生院（光电技术研究所）;2013年

10 陈国华;手性药物分子结构表征及定量构效关系研究[D];重庆大学;2010年

中国硕士学位论文全文数据库 前10条

1 常佳;基于肽链初级结构表征对肽类药物进行QSAR研究[D];陕西科技大学;2015年

2 吴倩雯;改进的SURF描述子及其在服饰图片检索中的应用研究[D];电子科技大学;2014年

3 李磊;基于3DZernike描述子的视频水印认证技术研究[D];中国科学院大学(工程管理与信息技术学院);2015年

4 刘晓璐;典型二进制描述子研究及性能评估[D];西安电子科技大学;2014年

5 丰一流;SIFT图像匹配算法面向实时性的优化与实现[D];国防科学技术大学;2013年

6 杨学文;面向交互语义的用户基本手势实时检索方法研究[D];济南大学;2015年

7 何川;基于RGB-D的场景支撑关系提取算法研究[D];合肥工业大学;2014年

8 王延青;一种基于拓扑分析的三维模型描述子及其应用研究[D];南京大学;2013年

9 朱婷;图像不规则区域匹配算法研究[D];河南理工大学;2015年

10 邵长峰;基于凸优化的二值描述子研究及实时作物行检测中的应用[D];哈尔滨工业大学;2016年

，

本文编号：1288860