基于雙金字塔的特征檢測算法.pdf

1、局部特征檢測算法是計算機視覺、模式識別、人工智能的基礎，是局部特征描述算法的前提。不同視點的任意場景根據(jù)提取算法得到的局部特征結構是計算機視覺應用領域的基礎。
　　 本文建立了一種新的局部特征檢測算法，該算法具有尺度不變局部特征檢測算法和仿射不變局部特征檢測算法的優(yōu)點。該算法得到的特征具備尺度不變、抖動不變、光照不變、JPEG壓縮不變和有限的仿射不變。算法由5部分組成。首先，構造第一個金字塔作為初始角點特征檢測的采樣空間，該金字

2、塔的每層采樣空間是通過標準的Harris函數(shù)執(zhí)行構造。其次，構造第二個金字塔作為初始角點特征優(yōu)化的采樣空間，該金字塔的每層采樣空間是通過高斯差分(DifferenceofGaussian，DoG)函數(shù)執(zhí)行構造。再次，根據(jù)優(yōu)化后的初始角點特征作為尺度不變迭代估計過程的輸入，執(zhí)行該迭代估計過程，得到精確的尺度不變角點特征結構。然后，根據(jù)尺度不變迭代估計過程檢測得到的結果作為仿射不變迭代估計過程的輸入，執(zhí)行該迭代估計過程，得到精確的仿射不變角

3、點特征結構。最后，根據(jù)檢測得到的尺度不變角點特征或仿射不變角點特征追加SIFT描述算法計算得到特征向量。
　　 為驗證本文建立的算法具備準確性和強壯性，本文采用目前公認的局部特征檢測算法評價標準，計算參考圖像和目標圖像之間的重復率和正配率。根據(jù)評價標準，本文采用基于SIFT的局部特征提取算法作為特征描述手段。不同于SIFT算法原理的局部特征檢測算法是基于協(xié)方差矩陣的局部特征檢測算法。
　　 最后，本文將Harris-La