基于改进SURF算法的目标识别研究

摘要

基于图像的目标识别技术作为现代目标识别技术的一部分，早已成为图像应用领域研究的一个重点。基于图像的目标识别是指在二维图像或视频序列中寻找给定物体的过程。通过对目标图像进行特征提取，构建特征向量集，作为识别依据。然后将目标的特征向量与在场景中提取的待识别目标的特征向量做匹配，对匹配结果加以分析，经过识别判断算法进行判定，即完成了目标识别。而且基于目标图像的局部特征对目标对象进行特征描述具有一定的稳定性和良好的独特性，所以基于此进行相关的目标识别研究具有一定的理论基础和实际意义。
　　本文主要基于上述的过程对基于图像的目标识别技术做了相关的研究。完成的主要工作如下：
　　1、描述了几种图像特征提取算法，对本文所涉及的SURF算法作了详细的介绍，并结合本文的应用在SURF算法的基础上，针对目标识别的快速性，提出了一种改进算法用于提取图像的特征信息。并对此改进算法做了相应的理论分析和实验。
　　2、介绍了几种基于特征向量的特征匹配算法，并做了相应的理论分析和比较试验，选用KD-Tree算法用于特征向量间的匹配。在对匹配特征点进行提纯方面，通过对相关文献对消除误匹配方法的分析，针对目标识别的精确性，提出了一种基于位置误差的方法用于消除误匹配的特征点，并对此作了相关的理论分析和实验。
　　3、构建基于图像局部特征的目标识别系统框架，经过软件编程实现系统框架中的图像显示系统、目标提取系统、目标图像配准系统和目标识别系统，并对相关系统进行了实验分析，整合各系统构建目标识别软件。基于目标识别软件，对改进的SURF算法在针对目标旋转、目标缩放和目标遮蔽方面进行了相关的实验，并对实验结果进行了理论分析和总结。
　　最后，对本论文所做的工作进行总结，并指出了下一步的研究方向。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪论

1.1 课题的背景和意义

1.2 基于图像的目标识别研究现状

1.3 论文的主要研究内容

1.4 章节安排

第2章 基于图像的目标特征提取算法

2.1常见的特征提取算法

2.2 SURF算法分析

2.3 基于SURF算法与目标纹理分析相结合的特征点优化算法

2.4对SURF优化算法的比较实验

2.5本章小结

第3章 基于特征向量的特征匹配算法

3.1空间中向量间的距离表示

3.2特征匹配算法

3.3特征点提纯算法

3.4特征提纯算法的实验

3.5 本章小结

第4章 目标识别及其实验系统设计与实验

4.1 软件编程实现

4.2实验分析

4.3本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢