图像局部特征提取及应用研究

发布时间：2018-05-11 07:23

本文选题：局部特征检测 + 局部特征描述　；参考：《北京科技大学》2016年博士论文

【摘要】：局部特征提取通常是作为计算机视觉与数字图像处理中许多问题的第一步,例如图像分类、图像检索、宽基线匹配等,提取特征的优劣直接影响任务的最终性能。因此,局部特征提取方法具有重要的研究价值。然而,图像经常发生尺度、平移、旋转、光照、视角以及模糊等变化,特别是在实际应用场景中,图像不可避免的会存在较大噪声干扰、复杂背景和较大的目标姿态变化。这就给图像局部特征提取问题带来了更大的挑战。因此,局部特征提取方法研究仍然具有重要的理论意义和应用价值，，值得研究者继续关注。本文借鉴已有局部特征构造方法的思想,围绕局部特征提取问题进行了深入的研究。本文的主要研究内容和创新点包括：(1)加权中心对称局部三值模式描述子的设计为了更有效地刻画图像局部纹理信息,增强局部特征的可辨别能力,以CS-LTP算子为基础,提出一种新的加权中心对称局部三值模式(Weighted Center Symmetric Local Ternary Pattern, WCS-LTP)描述子,并将该局部特征描述子与稀疏编码空间金字塔匹配模型结合,提出了基于局部特征描述子WCS-LTP的稀疏编码空间金字塔匹配图像分类算法。实验结果表明,本文提出的局部特征描述子在图像分类任务中具有较高的区分能力。特别是当图像包含复杂背景,受到大的噪声干扰和目标姿态变化较大时,该描述子在图像分类任务中仍具有一定的区分能力。此外,本文提出的局部特征描述子对于多种图像变化,比如视角变化、图像模糊和JPEG压缩等,也具有一定的鲁棒性能。(2)融合形状和纹理信息的局部特征的构造研究表明,融合形状信息和纹理信息的组合局部特征能够提供更鲁棒和准确的图像描述。本文在分析加权中心对称局部三值模式描述子的基础上,提出了一种新的局部特征SIFT-WCS-LTP,并将构造的局部特征用于空间金字塔匹配模型,提出基于局部特征SIFT-WCS-LTP的稀疏编码空间金字塔匹配图像分类方法。该局部特征融合了图像局部形状和纹理信息,可以对图像进行更准确的描述。实验结果表明,局部特征SIFT-WCS-LTP在分类任务中具有较高的区分能力,取得了好的分类结果。此外,在图像受到大的噪声干扰,包含复杂背景和目标姿态发生较大变化的情况下,该局部特征在图像分类任务中仍具有较好的区分能力。(3)正交对称局部三值模式算子及图像局部特征区域描述维数灾难是将纹理算子直接应用到构造图像局部区域描述子特别是基于分块思想的局部特征[区域描述子的难点问题,如何在有效降低局部特征区域描述子维数的情况下,同时也保持描述子的鲁棒性和可区分性还有待进一步研究。针对此问题,提出了一种新的纹理算子—正交对称局部三值模式算子(Orthogonal Symmetric Local Ternary Pattern, OS-LTP),该算子不但具有良好的抗噪声能力和准确的图像纹理描述能力,而且可以有效地解决将LTP特征用于基于分块思想的局部特征区域描述子构造中维数太高的问题。在OS-LTP算子的基础上又提出一种新的局部特征区域描述子WOS-LTP,该局部特征区域描述子将计算编码模式的像素点的城区距离(关于中心像素点具有正交对称关系的像素点灰度值差的绝对值求和)作为其对直方图的贡献,有效地刻画图像局部灰度值的变化程度。实验结果表明,该局部特征区域描述子对于各种图像变化(尺度变化、旋转变化、视角变化、光照变化、图像模糊和JPEG压缩)具有更强的鲁棒性,取得了较好的匹配结果；同时该局部特征区域描述子在目标分类任务中具有更高的区分能力,取得了较好的分类结果。此外,该局部特征区域描述子也具有较高的计算效率。本文的研究成果不仅对局部特征提取方法的研究具有重要指导意义,而且对图像分类、图像匹配以及更广泛领域的理论研究都将具有重要的参考价值。
[Abstract]:Local feature extraction is usually used as the first step of many problems in computer vision and digital image processing , such as image classification , image retrieval , wide baseline matching , etc . On the basis of analyzing weighted central symmetric local three - valued mode descriptor , this paper presents a new method for classification of local characteristic region descriptors .
At the same time , the local characteristic region descriptor has higher distinguishing ability in the target classification task , and the better classification result is obtained . In addition , the local characteristic region descriptor has higher computational efficiency . The research results of this paper have important guiding significance not only to the research of local feature extraction method , but also to the theoretical research in image classification , image matching and wider field .

【学位授予单位】：北京科技大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TP391.41

【参考文献】