论文部分内容阅读
图像目标识别作为图像处理与模式识别领域的一个重要的研究方向,在安全监控、人机交互、医疗诊断等领域得到了越来越广泛的应用。单一地利用全局特征进行目标识别的方法在实际应用中受到了诸多限制,而局部特征在对局部信息的描述上性能优越,为复杂背景下的目标识别提供了一条有效的途径。鉴于当前国内外相关领域的众多研究成果的不足,本文围绕局部特征在图像目标识别中的应用这一主题,对局部特征提取、目标匹配、目标分类、视点变化下的目标识别几个方面的问题进行了深入的探讨和研究。目标特征提取是目标识别中的关键技术,对于识别的最终效果有着决定性的影响。由于大多数局部特征都要求对亮度、尺度、平移和旋转具有一定的不变性,故局部特征的提取更加依赖于具体问题和相应领域的知识。本文详细阐述了目前常用的局部特征的特点和不足,针对应用需求改进了一些特征区域检测算法和描述算子。提出了一种基于多分辨率技术的航拍图像拼接方法,该方法利用多分辨率技术和局部特征对航拍图像序列进行配准,通过仿射变换模型将拼接问题转化为像素点空间坐标变换的过程,并采用渐入渐出的图像融合算法实现色彩和亮度的平滑过渡;提出了一种基于原型匹配的图像检索方法,该方法引入了相关反馈技术对原始的局部特征进行组合优化,得到符合人眼的视觉感受的“原型”特征,并通过比较最近邻特征和次近邻特征的距离提高特征匹配的效率和准确性。局部特征所含有的局部信息可以对图像的内容进行多语义层次的描述,这就为从文本分类领域引入向量空间模型提供了坚实的理论基础。本文针对当前局部特征在目标分类中应用的不足之处,充分借鉴了向量空间模型的思想,并结合信息论的相关技术进行特征优化,提出了一种基于局部特征的目标分类方法,在标准图像库上的实验结果证明了该方法的有效性和鲁棒性。视点变化造成目标的表象差异是目标识别领域的一个难点,本文通过对三维物体进行视面模型表示,得到了目标不同姿态的二维投影描述,从而为视点变化下的目标识别构建了合适的模型库。本文结合主分量变换提出了一种基于Hausdorff距离的目标匹配算法,该算法在噪声和遮挡下性能稳定,时间代价较小。还提出了一种具有平移、旋转、尺度不变性以及对噪声有抗干扰能力的描述子——角点标记图,并通过BP网络实现了目标分类。实验对比证明,基于该特征的识别算法在视点发生变化时对目标的识别更为有效。