圖像特征點(diǎn)提取算法研究.pdf

1、作為計(jì)算機(jī)視覺領(lǐng)域中最為重要的局部特征之一，圖像特征點(diǎn)奠定了諸多視覺任務(wù)的基石。圖像特征點(diǎn)具備的各種優(yōu)異性質(zhì)如旋轉(zhuǎn)不變性，尺度不變性等使其廣泛地應(yīng)用于各種視覺應(yīng)用之中，如圖像拼接、圖像檢索、目標(biāo)識(shí)別與匹配、三維重建、視覺里程計(jì)和虛擬現(xiàn)實(shí)等。傳統(tǒng)的特征點(diǎn)檢測(cè)算法大多都針對(duì)二維灰度圖像，但是隨著圖像表示技術(shù)以及圖像獲取技術(shù)的快速發(fā)展，出現(xiàn)了越來(lái)越多其他格式的圖像數(shù)據(jù)，如RGB-D圖像、三維圖像和全景圖像等。特別是對(duì)針對(duì)三維圖像和全景圖像而言

2、，其圖像數(shù)據(jù)與二維圖像數(shù)據(jù)從組織形式上有很大的區(qū)別，導(dǎo)致傳統(tǒng)二維灰度圖像的特征點(diǎn)檢測(cè)算法往往很難直接作用在這些圖像數(shù)據(jù)上。因此，針對(duì)這些新興的圖像數(shù)據(jù)如何有效地設(shè)計(jì)高效和魯棒的特征點(diǎn)檢測(cè)算法成為當(dāng)下視覺領(lǐng)域中研究的熱點(diǎn)。
　　鑒于上述情況，本文首次系統(tǒng)性地探討了針對(duì)各種圖像數(shù)據(jù)的特征點(diǎn)檢測(cè)算法，從二維圖像到三維圖像再到全景等其他圖像，并且提出了幾種魯棒的三維特征點(diǎn)檢測(cè)算法。相關(guān)的研究工作及學(xué)術(shù)貢獻(xiàn)具體可以歸結(jié)為以下幾個(gè)方面：

3、>　　（1）歸納二維灰度圖像的特征點(diǎn)檢測(cè)算法。
　　在本文中，我們將傳統(tǒng)二維灰度圖像的特征點(diǎn)檢測(cè)算法大致劃分為三大類：基于圖像局部梯度信息的、基于模板或者學(xué)習(xí)的以及基于輪廓的特征點(diǎn)檢測(cè)算法。然后分析每一類算法的主要原理，算法的優(yōu)缺點(diǎn)以及相關(guān)應(yīng)用場(chǎng)景。
　?。?）介紹三維及其他圖像數(shù)據(jù)的特點(diǎn)檢測(cè)算法。
　　探討了除二維灰度圖像數(shù)據(jù)之外的特征點(diǎn)檢測(cè)算法，包括三維特征點(diǎn)檢測(cè)算法、顏色空間特征點(diǎn)檢測(cè)算法、時(shí)空特征點(diǎn)檢測(cè)算法、深

4、度圖RGB-D圖像特征點(diǎn)檢測(cè)算法以及全景圖像特征點(diǎn)檢測(cè)算法。
　?。?）提出四種新的三維特征點(diǎn)檢測(cè)算法。
　　在前人相關(guān)工作的基礎(chǔ)上，提出了四種魯棒的三維特征點(diǎn)檢測(cè)算法。具體如下：(a)擴(kuò)展基于輪廓的角點(diǎn)檢測(cè)算法CTAR[1]到三維網(wǎng)格模型中，并由此提出兩種基于支撐點(diǎn)的三維角點(diǎn)檢測(cè)算法；(b)基于三維網(wǎng)格模型的曲面局部幾何性質(zhì)和l0范數(shù)的稀疏優(yōu)化方式選取三維特征點(diǎn)；(c)基于多尺度空間下的局部和全局信息，利用學(xué)習(xí)的方式選取具