高魯棒性的快速局部特徵描述算法體系研究

高魯棒性的快速局部特徵描述算法體系研究

《高魯棒性的快速局部特徵描述算法體系研究》是依託吉林大學,由劉萍萍擔任項目負責人的青年科學基金項目。

基本介紹

  • 中文名:高魯棒性的快速局部特徵描述算法體系研究
  • 項目類別:青年科學基金項目
  • 項目負責人:劉萍萍
  • 依託單位:吉林大學
項目摘要,結題摘要,

項目摘要

圖像的局部不變性特徵方法符合人類視覺處理機制,抗多種圖像變換,並且具有冗餘性低,無需預先對圖像分割等特點,因而成為機器視覺和模式識別領域的研究熱點。在大規模資料庫和實時處理中套用局部不變性特徵方法已經成為發展趨勢。但是現有的局部特徵描述算法由於計算複雜,特徵維度高,在複雜圖像變換中魯棒性差限制了在實時資料庫以及移動設備中的套用。本項目的研究以高區分性、高魯棒性、快速運算以及存儲精簡為目標;提出將差分運算,顏色不變數和局部相關區域融合的描述子算法體系,使描述子具備在大範圍旋轉、光照、尺度、視角等變換以及影像遮擋和背景混雜中的不變性;在其之上研究多維直方圖線性最佳化方法和多目標特徵算法的向量融合問題;最後創建合理的精簡描述子向量存儲模型,提出完善的描述子向量降維算法和減容算法。

結題摘要

圖像的局部不變性特徵方法作為基本的圖像特徵表達方式在物體識別,圖像檢索,場景分類等視覺套用中得到了廣泛套用。然而圖像的局部特徵描述方法也存在計算複雜,特徵維度高,在複雜圖像變換中魯棒性差等不足。本項目針對這些問題展開研究,歸納起來主要創新點與貢獻如下: 1、將顏色不變數引入基於仿射不變矩的局部特徵描述中,提出了基於Gaussian不變數的局部區域顏色梯度計算方法,建立了基於局部顏色梯度的仿射不變描述子,分析了不同的局部區域分割方式對描述子表達能力的影響,在圖像匹配和多視角下的物體識別套用中驗證了該描述子的有效性。為提高SIFT描述子在大範圍光度變化中的不變性,提出了一種結合顏色和形狀特徵的彩色描述子,利用微分操作提取基本圖像特徵。在Opponent顏色模型中增加Red-Cyan通道,使用基於局部顏色梯度的權值來描述顏色特徵,並與SIFT描述子聯接形成最終的局部特徵描述。在圖像匹配實驗中獲得了優異的效果。2、探索了利用哈希函式快速生成二進制特徵描述的方法。使用自學習算法,從訓練數據集的二進制標籤中學習得到用於二值化映射的哈希函式。將數據點在空間內的分布看作超球體。利用超切面提取是哈希函式將SIFT特徵編碼為二進制特徵。提出歸一化距離相似性,將漢明距離和歐式距離歸一化為同一尺度空間,通過判斷其相似性,保證最終二進制編碼的性能。在學習哈希函式時,引入Boosting機制加強二進制編碼的局部敏感性。3、探索使用多個局部特徵點構成的空間關係驗證圖像間的幾何一致性;提出利用圖像的顯著分級機制,提高圖像匹配和檢索的準確性;通過局部鄰域內匹配特徵對的數量定義局部鄰域約束條件,並以此建立局部區域間的匹配準測,並在圖像檢索套用中驗證了上述算法的有效性。4、提出了一種基於顏色空間及能量刷新機制的圖像縮放算法;提出在傳統的生物啟發顯著圖模型上增加局部能量通道獲取顯著圖,結合最大熵分割算法,自適應提取顯著目標。在移動圖像檢索套用中,探索通過球哈希算法編碼局部特徵點,利用顯著區域匹配得分和圖像紋理特徵作為聯合加權係數,獲得了優秀的檢索效果。研究項目能按照原定計畫進行,通過本項目的研究,已經發表SCI期刊論文4篇,發表EI檢索論文6篇,國際會議論文2篇。新申請國家專利4項。此外,獲得後續資助的項目有:吉林省自然科學基金1項及吉林省青年科研基金1項。

相關詞條

熱門詞條

聯絡我們