《基于局部特征的图像匹配.pptx》由会员分享，可在线阅读，更多相关《基于局部特征的图像匹配.pptx（34页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、基于局部不变特征的图像匹配一、局部不变特征一、局部不变特征二、基于局部不变特征的匹配方二、基于局部不变特征的匹配方法法三、基于局部不变特征匹配的应三、基于局部不变特征匹配的应用用一、局部不变一、局部不变特征特征定义：定义：局部不变特征是指局部特征的检测或描述对图像的各种变化,例如几何变换、光度变换、卷积变换、视角变化等保持不变。一、局部不变一、局部不变特征特征局部不变局部不变特征特性特征特性:1)重复性：相同场景或目标在不同成像条件下图像提取的局部不变特征应该是相同的;2)区分性：局部不变特征应包含较大的灰度或色度模式变化,易于区分;3)局部性：局部不变特征应具有局部性,减小遮挡的概率,同时可
2、以采用简单的变换模型对图像间的变换进行近似建模;一、局部不变一、局部不变特征特征局部不变特征特性局部不变特征特性:4)精确性：局部不变特征应可以在空域、尺度域及形状域上精确定位;5)不变性：局部不变特征的检测和描述对各种变换应具有不变性;6)鲁棒性：局部不变特征的检测和描述应对图像噪声、量化误差、模糊等不敏感。一、局部不变一、局部不变特征特征理论基础：理论基础：1、C.Schmid,R.Mohr,Local Grayvalue Invariants for Image Retrieval,IEEE PAMI,19(1997):530534利用图像的局部信息足以描述图像包含利用图像的局部信息足以
3、描述图像包含的的内容内容2、D.G.Lowe,Distinctive Image Features from Scale-Invariant Keypoints,International Journal of Computer Vision,60,2(2004),91110.证明了局部信息足以用来进行图像识别证明了局部信息足以用来进行图像识别二、基于局部不变特征的匹配方法二、基于局部不变特征的匹配方法2.1 联合ARPIH和直方图相似性距离2.2 基于Shape Context2.3 联合色彩和几何信息2.1 联合ARPIH和直方图相似性距离APPIH描述符0.57 0.85 12.1 联合
4、ARPIH和直方图相似性距离ARPIH描述符直方图的x轴是子区域的编号,y 轴是灰度级(0-255),被均匀划分为18 个灰度范围。将每一子区域中的像素点按其灰度值划分到各个灰度范围中。例如:ARPIH 中,z 轴H(11,9)表示第11 号子区域中灰度值在 115,129)范围内的点的个数。2.1 联合ARPIH和直方图相似性距离ARPIH描述符 通过使用ARPIH 描述符,将2 个图像区域的匹配转化成为2 幅直方图的匹配,减少了计算的复杂性,且拥有良好的抗畸变能力2.1 联合ARPIH和直方图相似性距离直方图相似性距离 假设对于有相同大小的图像的两个直方图，分别为H(m,n)和 H(m,n
5、)。2.1 联合ARPIH和直方图相似性距离这个匹配算法的匹配步骤如下：这个匹配算法的匹配步骤如下：Step1：用Bresenham算法计算模板图像的ARPIH。Step2：从目标图像中的坐上角开始选择和模板图像大小一样的子图像，并计算其ARPIH。Step3：匹配两个直方图并计算,将其存入到数组中并记录其相关联的的位置。2.1 联合ARPIH和直方图相似性距离这个匹配算法的匹配步骤如下：这个匹配算法的匹配步骤如下：Step4：在目标图像中滑动模板图像，搜寻和模板图像一样大小的子图像，计算ARPIH。Step5：重复第三步和第四步直到扫描完整个目标图像，匹配位置即为有最大的 的区域。2.1 联
6、合ARPIH和直方图相似性距离2.1 联合ARPIH和直方图相似性距离2.1 联合ARPIH和直方图相似性距离结论：结论：将局部不变的特征描述符ARPIH 和直方图的相似性距离(HSD)结合起来,以实现对旋转、亮度变化、透视等畸变图像的有效匹配。实验证明,本算法可以有效地实现对上述畸变图像的匹配,具有优越的抗畸变性能。2.2 基于Shape ContextShape Context描述符 整个区域分为12*5块，所以像素 的特征信息是以参考点为原点，剩下点的LOG极坐标的柱状图。任何物体的轮廓轮廓可以被一个N*60大小的矩阵表示。2.2 基于Shape ContextShape Context
7、描述符123456789601abcdefghi2345N2.2 基于Shape ContextShape Context描述符N*602.2 基于Shape ContextShape Context描述符 优点：我们可以选择一些图像，比如人的，然后训练得到SC特征并且建立局部特征的数据库。目标识别目标识别2.2 基于Shape Context相似度测量：对新的图像，在边缘检测和训练后，我们得到图像框架的SC特征，然后我们用COST值估计目标特征点和数据库之间的相似度。2.3 联合色彩和几何信息HSV空间H：色调S：饱和度V：亮度 2.3 联合色彩和几何信息可以看到，这种定义的一种好处是在亮度
8、加上一个不变值时色调是不变的。反应几何信息的经典特征2.3 联合色彩和几何信息三、基于局部不变特征匹配的三、基于局部不变特征匹配的应用应用 局部不变特征在宽基线匹配、特定目标识别、目标类别识别、图像及视频检索、机器人导航、场景分类、纹理识别和数据挖掘等多个领域得到了广泛的应用。三、基于局部不变特征匹配的三、基于局部不变特征匹配的应用应用例：基于例：基于shape context特征匹配的目标跟踪特征匹配的目标跟踪 投票投票预计目标中心预计目标中心关于检测点A的SC信息被定义为 ，并且 被定义为数据库中的 和 之间的匹配概率，并且目标O中的中心点C被A点估计定义为 。所以我们可以得到目标中心的概
9、率为：对目标O，根据不同点C得到一个投票图V，其中的最大值即为中心。三、基于局部不变特征匹配的三、基于局部不变特征匹配的应用应用三、基于局部不变特征匹配的三、基于局部不变特征匹配的应用应用投票结果 三、基于局部不变特征匹配的三、基于局部不变特征匹配的应用应用 MATLAB仿真目标追踪三、基于局部不变特征匹配的三、基于局部不变特征匹配的应用应用 MATLAB仿真目标中心轨迹三、基于局部不变特征匹配的三、基于局部不变特征匹配的应用应用结论：与传统的目标追踪算法相比，这种基于Shape Context的柱状图相似度的测量方法在目标畸变和旋转时匹配得更好，跟踪效果更佳。三、基于局部不变特征匹配的三、基于局部不变特征匹配的应用应用 局部不变特征目前已逐渐成为特征提取技术的主流，其优良的性能获得了广大研究人员的认可，但其中很多方面需要改进和完善，还有大量的工作值得去研究和探讨。三、基于局部不变特征匹配的三、基于局部不变特征匹配的应用应用 局部不变特征的描述方法种类较多，且有和局部不变特征检测相互结合的发展趋势，实践证明这一结合的好处，但这方面并没有系统化的理论支持和可依据的规则，一般是按照研究人员自己的体会和理解去进行结合，所以在结合的方式和具体的规则方面还有待研究。谢谢大家！34