面向场景理解的图像局部特征提取算法研究

摘要

图像特征提取技术是图像处理及计算机视觉中的重要研究内容，局部图像特征作为图像特征的重要部分，反映的是图像中局部信息的变化，其不容易受到噪声、光照、尺度、旋转等多种变化的干扰。近年来无人机航拍技术发展迅速，但由于无人机航拍图像的尺寸较大、信息复杂、且容易受到噪声、光照、尺度、旋转等变换的干扰。因此，研究对无人机航拍图像能够快速且准确地进行特征提取，且得到鲁棒性高特征的特征提取算法有着重要的理论意义及实用价值。本文主要基于尺度不变特征变换算法，研究对无人机航拍图像特征提取性能较优的算法，完成的主要研究工作如下：
　　(1)研究了图像特征提取算法的基础理论，对图像特征的两大分类——全局图像特征及局部图像特征进行了研究及分析，并对图像特征提取算法的评价标准进行针对性研究，研究内容包括算法的计算复杂度及算法提取特征的重复率。
　　(2)对局部图像特征提取算法的相关理论进行研究，尤其对Moravec、Harris、最小核值相似区以及尺度不变特征变换算法的细节进行深入的研究及分析，并进行实验仿真，结合算法原理得出直观的算法评价，展示了局部特征提取算法在图像处理中的优越性能。
　　(3)基于尺度不变特征变换算法，结合Harris角点检测和最小核值相似区特征检测的算法原理，对尺度不变特征变换算法进行改进，提出了一种适用于无人机航拍图像的特征提取算法。并进行大量数据测试，与尺度不变特征变换算法进行对比，得出改进算法的时间复杂度分析及鲁棒性分析，其中鲁棒性分析包括算法的抗噪性分析、尺度不变性分析及旋转不变性分析。
　　(4)完成了图像处理和计算机视觉基本模型与算法平台的搭建，并对图像特征与描述模块中的大部分算法完成代码的编写、调试、移植及平台集成。

目录

声明

主要符号表

第一章 绪论

1.1研究背景及意义

1.2国内外研究现状及发展动态分析

1.3论文主要工作及技术路线

1.4论文结构安排

第二章 图像特征提取算法基础

2.1概述

2.2图像特征提取算法基础

2.3图像特征描述

2.4图像特征提取评价标准

2.5本章小结

第三章 局部特征提取算法

3.1概述

3.2 Moravec特征检测

3.3 Harris特征检测

3.4 SUSAN特征检测

3.5 SIFT特征检测

3.6本章小结

第四章 SIFT特征提取算法实现

4.1概述

4.2 SIFT特征提取算法研究

4.3算法测试及评价

4.4算法平台的设计与实现

4.5本章小结

第五章 总结与展望

5.1本文工作总结

5.2工作展望

致谢

参考文献

攻读硕士学位期间的研究成果