免费论文摘要：鉴于梯度差分和非正交映照矩的限制静止个性接洽

跟着计划机本领的飞快兴盛，图像数据量正在明显延长，图像特性索取变成精确辨别图像的要害。全部特性索取算法大略、通用性强，不妨赢得确定水平的静止性。但是，受本质好多畸变和普照变革的感化，全部特性功效十分不理念。连年来，限制静止特性已变成呆板视觉范围的要害接洽实质，被胜利地运用在图像检索辨别、呆板人导航、风光配合等范围。限制特性索取算法要处置的题目是怎样索取充满宁静，即对标准、回旋、普照、掩饰等变幻有充溢的鲁棒性的限制特性量。SIFT算法用像素梯度结构特性，赢得了对多种图像变幻的鲁棒性，在限制特性的接洽中具备特殊要害的意旨。然而，该算法计划搀杂、特性量维数大，难以用来及时计划。PCA-SIFT运用PCA将SIFT刻画子向量的维数由128降到36，贬低了特性点配合进程中的计划本钱。但是，特殊的演练进程和降维进程减少了特性向量的结构功夫，缩小了特性消息量，并没使所有算法的计划速率有所普及，相反使算法配合本能低沉。SIFT刻画子和PCA-SIFT刻画子实质上都是鉴于梯度的，仅能对畸变较小的好多变幻举行灵验刻画，对大的图像仿射变幻利害常敏锐的。其余，这两种算法中特性点邻域像素场所消息的丧失在确定水平上感化着刻画子的宁静性。正文对准SIFT算法的高维向量表白题目与宁静性不及题目，提出了鉴于梯度差分与非正交映照矩的SIFT矫正算法(ISIFT)。与保守SIFT算法比拟，该算法不只对普照变幻和朦胧变幻有更好的鲁棒性，并且刻画子的维数仅为60。算法开始计划特性点邻域像素块的梯度差分，对分块的梯度差分按场所与目标举行非正交映照，而后一切子块计划非正交映照的低阶重心矩，结果将一切的低阶重心矩按目标陈设产生该特性点的刻画子。将矫正本领和SIFT算法、PCA-SIFT算法、HSIFT算法在Mikolajczyk数据集长进行试验，考证各别算法的本能。本文华用特性刻画子之间的欧氏隔绝测量各别刻画子之间的分别性，用recall vs.1-precision弧线比拟各别算法的配合本能。试验截止表白，该算法不只计划本钱较低，并且在朦胧变幻和普照变幻下具备更高的配合精确度。

来源：半壳优胜鲸鱼幸运星转载请保留出处和链接！

本文链接：http://87cpy.com/216622.html