基于灰度序的描述子主方向估計方法研究.pdf

1、近年來，以SIFT為代表的局部描述子取得了很大的成功，極大地推動了計算機視覺相關領域的研究進展。目前，局部描述子匹配已經逐漸成為了寬基線匹配、物體識別、圖像分類、圖像檢索等眾多應用中的一種主要范式。反過來，這些應用的驅動也帶動了對局部描述子更深入的研究。
　　 局部描述子的構造通常包括若干環(huán)節(jié)或步驟，其每個環(huán)節(jié)的具體操作都會影響到描述子的最終性能。旋轉不變性是對描述子的基本要求，為了保證描述子的旋轉不變性，通常構造描述子的步驟中

2、大都包括一個計算主方向的中間環(huán)節(jié)。但是最新的統(tǒng)計結果表明，采用目前方法計算的主方向中有近三分之一其誤差超過了20度，這無疑大大降低了描述子的性能。因此，探索精度更高，魯棒性更強的主方向計算方法必將對描述子整體性能的提升起到重要的促進作用。
　　 針對這個問題，本文探索了一類新的主方向計算方法，并且取得了較好的效果，具體研究內容和研究成果如下:
　　 1.提出了基于灰度序的主方向構造方法。其基本思想是，對特征支撐區(qū)域內的像

3、素根據灰度序進行分組，然后計算組內像素的幾何統(tǒng)計量，以此為基礎來計算主方向。本論文中給出了兩種像素分組方法，分別是基于平均灰度和基于平均像素個數的方法;還給出了兩種不同的幾何統(tǒng)計量主方向計算方法，分別是基于幾何重心點和基于橢圓擬合的方法。最后，針對不同場景，對圖像旋轉、尺度變化、光照變化、圖像模糊、圖像壓縮及復雜光照變化下進行了性能測試，大多數情況下其精度都要優(yōu)于以前的方法。
　　 不同于以往基于梯度統(tǒng)計的方法，本文方法是基于灰

4、度序的，其主要優(yōu)點是，第一，圖像灰度本身比梯度信息受噪聲干擾小;第二，基于梯度的方法僅僅對灰度的線性變換是不變量，而本文方法只要保持灰度序不變即可;第三，本文方法計算的主方向是連續(xù)的，而以前方法是離散數據經過插值得到的;第四，從計算復雜性看，本文采用了查找方法，其計算復雜性較低。
　　 2.給出了主方向對描述子性能的影響分析。主方向的計算主要是服務于描述子的，將本文提出的主方向應用于經典的描述子中，并進行了標準化性能測試，結果表