基于局部不变性和颜色恒常性的视觉词袋模型研究

摘要

图像爆炸式的增长和大数据时代的来临，对图像分类/检索提出了更高的要求。图像分类/检索关键技术的研究，尤其是图像简化表示方法的研究对大数据时代下图像的高效利用具有重要意义。基于全局特征的表示模型难以表达图像的内容和含义，且无法体现感兴趣的局部目标。因此，研究基于局部特征的视觉词袋表示模型，对于图像分类/检索技术具有重要价值。
　　视觉词袋研究的关键技术是局部特征算子及特征与视觉词的映射方法，本文就这两个关键技术展开了研究和实验:
　　在分析了局部特征的检测和描述算子基础上，重点研究了SIFT算法和ORB算法。局部特征实验表明: ORB的检测算子FAST可检测性和速度较理想;ORB的二进制码串描述子在存储和计算上比SIFT描述子更有优势，而性能相近;基于灰度的局部特征算子的光照鲁棒性较差。
　　考虑到局部特征对光照的敏感性，对颜色恒常性进行了研究。在结合ORB算法和颜色恒常性基础上，提出了具有光照鲁棒性的二进制码串描述子—CCORB算法。实验表明:CCORB在光照鲁棒性上比ORB更具优势。
　　针对CCORB算法采用的二进制码串描述子，提出了多重权重的视觉单词映射方法和相应的视觉词典训练方法，并给出了视觉单词的直方图表示模型。分析表明:本文提出的视觉词袋模型在图像分类时具有更好的区分性。
　　本文的研究成果为今后视觉词袋模型在图像分类/检索中的应用提供了理论基础。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．2 国内外研究动态

1．2．1 局部特征国内外研究动态

1．2．2 颜色恒常性国内外研究动态

1．2．3 视觉词袋国内外研究动态

1．2．4 存在的问题

1．3 本文的研究内容及整体结构

2 图像局部特征研究

2．1 局部特征算子的分析

2．1．1 角点检测算子

2．1．2 Blob检测算子

2．1．3 FAST算子

2．1．4 特征描述算子

2．2 尺度空间理论

2．3 SIFT算法分析

2．3．1 特征点检测

2．3．2 DoG近似LoG的理论推导

2．3．3 特征描述子

2．4 ORB算法

2．4．1 OFAST特征点检测

2．4．2 类RBRIEF描述子

2．4．3 ORB实现步骤

2．5 实验结果及分析

2．5．1 局部特征的检测实验

2．5．2 描述子性能分析

2．5．3 局部特征算子选用分析

2．6 本章小结

3 颜色恒常性方法研究

3．1 机器视觉的颜色系统理论

3．1．1 颜色空间理论

3．1．2 色差度量

3．1．3 颜色恒常性理论

3．2 颜色恒常性计算

3．2．1 Retinex经典理论

3．2．2 单尺度Retinex算法分析

3．2．3 多尺度Retinex算法分析

3．2．4 快速的图像光照估计算法

3．3 颜色不变性描述的推导

3．3．1 单一光线下的颜色不变量信息

3．3．2 复杂光线下的颜色不变信息

3．4 颜色恒常性ORB的提出

3．5 实验结果及分析

3．5．1 颜色不变量性能实验

3．5．2 CCORB性能分析实验

3．5 本章小结

4 构建视觉词袋模型

4．1 视觉词袋模型关键技术分析

4．1．1 局部特征的选择

4．1．2 特征的量化

4．2 视觉单词的映射

4．2．1 相似度计算

4．2．2 训练视觉词典

4．2．3 特征的多重权重映射

4．3 构建视觉词袋模型

4．3．1 视觉词袋模型整体框架

4．3．2 局部特征模块

4．3．3 视觉词模块

4．3．4 视觉词直方图模块

4．4 实验结果及性能分析

4．4．1 图像直方图表示的比较

4．4．2 视觉词袋性能分析

4．5 本章小结

5 总结与展望

5．1 论文总结

5．2 研究展望

参考文献

攻读硕士学位期间主要研究成果

致谢