基于HDO局部特征描述的目標識別.pdf

1、通常即便是簡單的物體，用機器或計算機去進行檢測和識別都是一件非常困難的事。目標識別最為關(guān)鍵的是物體的表示或描述以及究竟用什么樣的特征去區(qū)別一物體和其它物體。局部不變特征技術(shù)的出現(xiàn)，為這一問題的解決提供一條有效途徑。局部特征是對圖像局部區(qū)域進行精細刻畫的有效手段，由于具有極強的分辨性、穩(wěn)定性、定位性，自局部特征提出以來，解決了計算機視覺方面的很多困難問題。由于局部特征描述能夠提供一種具有統(tǒng)計意義的圖像內(nèi)容表述，避免了圖像處理中非常困難的語

2、義層次上的圖像分割，因此在圖像的認知理解方面有出色表現(xiàn)，目前已成為目標檢測與識別領(lǐng)域的主流技術(shù)。局部特征描述一般要求特征對尺度、亮度、旋轉(zhuǎn)和平移變換具有一定不變性。HDO局部特征是最近提出的一種具有較強的抗噪聲干擾和照明變化能力的局部圖像描述子，能夠較好的應(yīng)用于各種目標檢測，但是傳統(tǒng)HDO不具備抗旋轉(zhuǎn)變換能力，因此限制了其應(yīng)用。
　　本研究主要內(nèi)容包括：⑴在經(jīng)過預(yù)處理和缺陷目標分割后，提取缺陷目標區(qū)域的HDO特征以及相關(guān)灰度特征、

3、幾何特征和紋理特征，并把這些特征組合在一起形成缺陷特征，設(shè)計Adaboost—BP神經(jīng)網(wǎng)絡(luò)對六類鋁板缺陷做了識別分類實驗。實驗結(jié)果表明：融合HDO特征后的方法平均分類識別率達到90.3％。優(yōu)于傳統(tǒng)的只提取幾何、灰度、紋理特征作為特征向量的分類識別率87.0%。⑵針對傳統(tǒng)的HDO局部特征不具備旋轉(zhuǎn)不變性的缺點，提出一種改進的目標魯棒識別的抗旋轉(zhuǎn)HDO局部特征描述方法。通過引入RGT變換技術(shù)，并在構(gòu)造像素點圓形鄰域中構(gòu)造結(jié)構(gòu)張量，保證在圖片

4、旋轉(zhuǎn)的情況下每個像素點的主方向和一致性保持不變，然后求取每個Block子區(qū)域的主方向直方圖，再采用環(huán)狀扇形分區(qū)的空間池化操作，使得到的局部特征有良好的鑒別能力和抗旋轉(zhuǎn)變換能力。在公開的MIT人臉數(shù)據(jù)集中的測試結(jié)果顯示，如果圖片不旋轉(zhuǎn)，本文方法準確率與傳統(tǒng)的HDO算法基本持平，達到92.10%，但當樣本圖片旋轉(zhuǎn)后，本文算法準確率比傳統(tǒng)HDO算法高10.36%。此外，在行人數(shù)據(jù)集、合成的旋轉(zhuǎn)手掌和旋轉(zhuǎn)人臉識別實驗中，本文方法的檢測結(jié)果也明顯