圖像局部不變特征提取算法研究.pdf

1、近年來，隨著計算機技術的不斷進步，用計算機來模擬人類的視感知任務已經(jīng)成為可能，但是其中還存在眾多的技術難點，其中之一就是如何準確識別處于不同視覺環(huán)境中（如視角變化，尺度變化，光照變化，目標遮擋等）的同一個物體。目標識別的基礎是描述該目標的特征信息，因此如何從圖像中提取不變性特征成為重中之重。圖像局部特征以其良好的局部性、穩(wěn)定性、不變性而逐漸成為了圖像特征提取領域的主流方向。
　　本文主要研究如何從同一個場景的不同圖像中提取出穩(wěn)定存

2、在的區(qū)域特征，以最穩(wěn)極值區(qū)域MSER為基礎，分別從尺度空間理論、圖像顏色信息和圖像邊緣信息三個方面來研究如何進一步提高區(qū)域特征的性能。
　　首先，利用圖像的尺度信息來提高區(qū)域特征的性能，通過在高斯尺度空間上對圖像進行最穩(wěn)極值區(qū)域檢測，并引入自動尺度選擇機制，為區(qū)域特征定義一個新的尺度選擇函數(shù)，通過搜索該尺度選擇函數(shù)的局部極大值來獲得區(qū)域特征的最佳尺度，從而對重復的區(qū)域特征進行篩選。
　　其次，將圖像的顏色信息融入到MSER中

3、，分別介紹了多顏色通道MSER和基于聚類合并的MSCR算法，討論了如何處理多顏色通道MSER所獲得的重復區(qū)域特征，提出了一種新的重復區(qū)域篩選方法。同時，定性地分析了顏色空間和相似性度量方式對MSCR算法的性能影響。
　　最后，利用圖像的邊緣信息來增強區(qū)域特征的模糊不變性，通過mPb邊緣檢測子為圖像中每個像素分配一個表征其成為邊緣的概率值，從而得到比較穩(wěn)定的邊緣信息，并利用該邊緣信息對顏色空間中相鄰像素之間的距離進行加權處理，以增強