论文部分内容阅读
图像局部特征相比全局特征,不容易受到光照、遮挡等因素的干扰,同时局部特征对于图像的表示与描述更加精确,鲁棒性更好,而且能够有效的描述图像内容进行图像检索和目标识别等,局部特征主要有基于局部区域的直接灰度描述子和特征点算法。特征点为载体的局部特征算法提出了包括角点、灰度极值点等类型的特征点,该类算法基本都由特征点提取、特征点描述、特征点匹配三个部分组成,这三个部分的不同算法均有很大拓展性,不同算法进行组合可以完成局部特征算法的针对性改进。而对于主要的角点算法,由于固定的算子作用域原因而不具备尺度不变性,因此自适应的算子作用域能有效的改进角点算子的尺度适应性。本文的主要内容和创新点如下:(1)本文首先对不同的角点算法包括Harris角点、SUSAN算法、FAST算法和局部特征匹配算法包括SIFT/SURF、ORB等进行了深入研究,对这些算法按照特征点提取、描述、匹配三部分进行分类总结。针对目前的局部特征算法流程的三个步骤进行了归纳,研究不同局部特征算法的思想,总结出了局部特征算法的模块化体系,并归纳了模块化方法,对不同方法模块进行交叉组合,在尺度、旋转和视角变换下展开对比实验,对不同方法模块的性能表现进行原理分析,评价不同模块的优缺点和可拓展性,总结不同算法思想的方法模块的改进空间。(2)针对目前图像特征算法的多尺度分析流程过于冗长,算法效率较低等问题,从检测图像相对尺度的角度出发提出了尺度信息熵模型。通过信息熵与尺度空间的图像梯度的变化关系,建立数学模型,通过大量实验进行模型拟合,最后得到尺度信息熵模型的函数模型。根据待匹配图像之间的相对尺度参数,对高尺度图像进行图像复原,即去模糊操作,以得出低尺度的图像,通过该逆过程验证了本文尺度信息熵模型有效性。同时提出对FAST角点的多尺度改进方法,基于该尺度信息熵模型提出了自适应作用域的多尺度FAST角点,通过对比实验证明了本文改进的多尺度FAST角点具有很好的尺度适应性。最后,本文阐述了局部特征算法在图像拼接中的应用与实现,分析了基本拼接流程,以智能设备采集的实验图像进行了全景拼接实验。