亮度不变性的图像局部特征描述算法研究

摘要

图像局部不变特征是由一些像素点组成的区域，这些像素点的亮度值变化很大，包含的图像信息极其丰富。局部不变特征的提取及描述是图一像分析和计算机视觉领域许多问题的研究基础，如数字水印、图像处理、视频检索、目标识别与跟踪等，是目前的一个研究热点。由于图像之间大多数都存在旋转、模糊、视角、缩放、亮度等不同的变换，因此如何获得兼具较好的稳定性、可匹配性和可重复性的局部不变特征就成了相关领域的重点研究内容。一般地，基于局部不变特征的方法都是经过特征提取和特征匹配这两个步骤来实现的，其中特征提取又分为特征检测和特征描述两部分。大多数特征描述子都是使用梯度统计特征来检测局部不变区域，它们只能保证对亮度的线性变化具有不变性，这就极大地限制了其在实际中的应用，因为光照条件是不同的，图像的亮度变换通常也不是线性的。本文通过深入研究局部不变区域的检测和特征描述，构建出新的描述子，使其在亮度上具有对单调变化的不变性，从而对复杂的非线性光照变换具有更好的鲁棒性。　　中心对称局部二元模式（Center-SymmetricLocalBinaryPattem，CS-LBP）是一种应用较为广泛的局部不变特征描述子，该描述子对亮度变换具有很好的不变性，且在存储空间和计算花销方面的需求也较少。CS-LBP描述子是在单支持区域内构造的，但是单支持区域的大小选择有时会出现偏差，即选择的区域大小有时会过大或者过小，这就导致构造出的描述子不足以保证后续的特征匹配有很高的准确率。针对这一问题，结合多支持区域的思想，提出了一种新的亮度不变性局部特征描述子。首先检测出局部不变特征区域，并将其规范化成多个支持区域：然后在每个支持区域内构造一个局部不变特征描述向量；最后将这些向量进行组合，得到最终的局部不变特征描述子。特征匹配的实验表明，新的描述子具有较好的亮度不变性，且对JEPG压缩、模糊、缩放、旋转变换的图像也能获得较高的匹配准确率。　　现有的大多数描述子构造都需要估计梯度统计量的主方向，主方向的估计精度直接影响到描述子的独特性和稳定性，而且根据主方向的区域划分方法使用了梯度统计量，导致没有亮度单调变化的不变性。针对这一问题，本文研究了亮度序关系的原理，利用亮度序这一图像底层信息，提出了一种新的亮度不变性局部特征描述子。首先在多个支持区域内计算每一个像素点对应的CS-LBP值；然后将支持区域中的所有像素点按照亮度值大小分成多个亮度序单元，并将每个亮度序单元中每一种CS-LBP值的个数绘制成直方图；最后把所有的统计直方图进行组合，以行向量的形式表示直方图的统计值，此行向量就是构造的局部不变特征描述子。通过对不同的亮度变换图像进行实验，验证了本文描述子具有较好的亮度不变性，且对缩放、JPEG压缩变换图像也有较高的匹配准确率，证明了本文描述子的有效性。

目录

第一个书签之前