基于局部特征的多源圖像配準(zhǔn)和識別研究.pdf

1、本論文主要研究基于局部特征的多源圖像配準(zhǔn)和識別。多源圖像成像機(jī)理不同,成像特點各異,圖像間的灰度具有很大的差異。傳統(tǒng)基于灰度值的圖像處理方法往往只能表達(dá)圖像全局性的特征,而這些全局特征非常依賴于圖像灰度分布,因此在處理多源圖像配準(zhǔn)時,該類圖像自身灰度的差異性將導(dǎo)致這些全局性方法不在適用或效果很差。
　　本文采用近年來得到深入研究并廣泛應(yīng)用到計算機(jī)視覺各個領(lǐng)域中的圖像局部特征方法來進(jìn)行處理。首先將SIFT特征應(yīng)用于紅外與可見光圖像的

2、匹配以驗證局部特征的有效性,然后提出邊緣增強(qiáng)的MSER特征提取算法(E-MSER)結(jié)合SIFT特征描述進(jìn)行多源圖像的配準(zhǔn),并與其它常見算法進(jìn)行對比。實驗結(jié)果顯示SIFT算法在紅外與可見光圖像的匹配問題上表現(xiàn)良好,匹配準(zhǔn)確;而對于更復(fù)雜的多源圖像,E-MSER算法很好的提取了獨(dú)特性區(qū)域,配準(zhǔn)精度高,相比其他算法其配準(zhǔn)誤差更小,達(dá)到一個像素以內(nèi)。在尺度變換和仿射變換下的實驗結(jié)果也表明該方法對圖像變換具有很好的魯棒性。
　　對于圖像的識

3、別,本文采用了Bag-of-Words(BoW)的圖像表達(dá)思想。首先對圖像進(jìn)行密采樣提取其SIFT特征,通過K均值聚類得到碼本,進(jìn)而得到每幅圖像的BoW表達(dá),最后采用SVM分類器進(jìn)行識別驗證。為了彌補(bǔ)BoW表達(dá)在全局分布上的無差別性,本文引入了空間金字塔(SPM)的處理思想來體現(xiàn)圖像的全局信息。為了提高分類的處理速度,采用稀疏編碼替代傳統(tǒng)的向量。實驗結(jié)果顯示該方法的分類識別精度達(dá)到了目前的先進(jìn)水平。另外,本文還研究了背景數(shù)據(jù)對分類結(jié)果的