基于灰度序的描述子主方向估计方法研究

1、irab- 论文塩表吉欣基于灰度序的描述子主方向估计方法研究【摘要】：近年来，以SIFT为代表的局部描述子取得了很大的成功，极 大地推动了计算机视觉相关领域的研究进展。目前，局部描述子匹配已经逐渐成为了宽基线匹配、物体识别、图像分类、图像检索等众多 应用中的一种主要范式。反过来，这些应用的驱动也带动了对局部描 述子更深入的研究。局部描述子的构造通常包括若干环节或步骤，其每个环节的具体操作都会影响到描述子的最终性能。 旋转不变性是对 描述子的基本要求，为了保证描述子的旋转不变性，通常构造描述子的 步骤中大都包括一个计算主方向的中间环节。 但是最新的统计结果表 明，采用目前方法计算的主方向中有近三

2、分之一其误差超过了20度,这无疑大大降低了描述子的性能。因此，探索精度更高，鲁棒性更强的 主方向计算方法必将对描述子整体性能的提升起到重要的促进作用。 针对这个问题，本文探索了一类新的主方向计算方法，并且取得了较好 的效果，具体研究内容和研究成果如下：1提出了基于灰度序的主方向 构造方法。其基本思想是，对特征支撑区域内的像素根据灰度序进行 分组，然后计算组内像素的几何统计量，以此为基础来计算主方向。本 论文中给出了两种像素分组方法，分别是基于平均灰度和基于平均像 素个数的方法；还给出了两种不同的几何统计量主方向计算方法，分别是基于几何重心点和基于椭圆拟合的方法。最后，针对不同场景，对图像旋转、

3、尺度变化、光照变化、图像模糊、图像压缩及复杂光照变 化下进行了性能测试，大多数情况下其精度都要优于以前的方法。不同于以往基于梯度统计的方法irab- 论文塩表吉欣,本文方法是基于灰度序的，其主要优点是,第一,图像灰度本身比梯度信息受噪声干扰小；第二，基于梯度的方 法仅仅对灰度的线性变换是不变量，而本文方法只要保持灰度序不变 即可；第三，本文方法计算的主方向是连续的，而以前方法是离散数据 经过插值得到的；第四，从计算复杂性看，本文采用了查找方法，其计算 复杂性较低。2给出了主方向对描述子性能的影响分析。主方向的计 算主要是服务于描述子的，将本文提出的主方向应用于经典的描述子 中，并进行了标准化性

4、能测试，结果表明,其描述子性能总体上有了较 大的提升。这也表明，本文提出的主方向计算方法是一种非常实用的 方法。【关键词】：SIFTSURF旋转不变性描述子匹配性能评价【学位授予单位】：山西大学【学位级别】：硕士【学位授予年份】：2013【分类号】：TP391.41【目录】：中文摘要8-9Abstract9-11第一章绪论11-191.1研究背景及选题意义11-131.2国内外研究现状及趋势13-151.3预备知识15- 17131常用术语151.3.2特征提取及选择15-161.3.3特征匹配16- 171.4本文的主要工作 17-191.4.1主要工作17-181.4.2章节安排 18-1

5、9第二章SIFT及SURF主方向估计算法19-272.1引言19-202.2特征检测及归一化讼立比t或特征检测20-212.2.2Harris-affine、Hessian-affine 特征检测 21-22223 区域归一 化22-232.3SIFT特征点方向分配算法23-242.3.1SIFT主方向梯度表示 232.3.2主 方向特 殊处理23-242.4SURF特征点 方向分 配算法 24-252.4.1Harris小波响应242.4.2主方向确定24-252.5本章小结25-27 第三章基于灰度序的主方向构造算法 27-453.1区域划分27-293.1.1基 于灰度等级划分区域27-

6、283.1.2基于像素个数划分区域28-293.2构造 主方向29-303.2.1基于中心点构造主方向29-303.2.2基于拟合椭圆构 造主方向303.3主方向的影响因素30-323.3.1场景内容的影响313.3.2 中心点偏差的影响31-323.3.3图像噪声的影响323.4实验分析及结论 32-423.4.1实验图像及数据32-343.4.2参数评估34-363.4.3主方向误 差评价36-423.5本章小结42-45第四章基于主方向的描述子性能分析45- 534.1描述子构造45-464.2描述子性能评价 46-474.2.1基本概念46- 474.2.2评价标准474.3实验结果及