面向場景理解的圖像局部特征提取算法研究.pdf

1、圖像特征提取技術(shù)是圖像處理及計算機視覺中的重要研究內(nèi)容，局部圖像特征作為圖像特征的重要部分，反映的是圖像中局部信息的變化，其不容易受到噪聲、光照、尺度、旋轉(zhuǎn)等多種變化的干擾。近年來無人機航拍技術(shù)發(fā)展迅速，但由于無人機航拍圖像的尺寸較大、信息復(fù)雜、且容易受到噪聲、光照、尺度、旋轉(zhuǎn)等變換的干擾。因此，研究對無人機航拍圖像能夠快速且準確地進行特征提取，且得到魯棒性高特征的特征提取算法有著重要的理論意義及實用價值。本文主要基于尺度不變特征變換算

2、法，研究對無人機航拍圖像特征提取性能較優(yōu)的算法，完成的主要研究工作如下：
　　(1)研究了圖像特征提取算法的基礎(chǔ)理論，對圖像特征的兩大分類——全局圖像特征及局部圖像特征進行了研究及分析，并對圖像特征提取算法的評價標準進行針對性研究，研究內(nèi)容包括算法的計算復(fù)雜度及算法提取特征的重復(fù)率。
　　(2)對局部圖像特征提取算法的相關(guān)理論進行研究，尤其對Moravec、Harris、最小核值相似區(qū)以及尺度不變特征變換算法的細節(jié)進行深入的

3、研究及分析，并進行實驗仿真，結(jié)合算法原理得出直觀的算法評價，展示了局部特征提取算法在圖像處理中的優(yōu)越性能。
　　(3)基于尺度不變特征變換算法，結(jié)合Harris角點檢測和最小核值相似區(qū)特征檢測的算法原理，對尺度不變特征變換算法進行改進，提出了一種適用于無人機航拍圖像的特征提取算法。并進行大量數(shù)據(jù)測試，與尺度不變特征變換算法進行對比，得出改進算法的時間復(fù)雜度分析及魯棒性分析，其中魯棒性分析包括算法的抗噪性分析、尺度不變性分析及旋轉(zhuǎn)不