|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
在计算机视觉理解中，局部特征由于其稳定性、独特性以及对于几何变换和光度变换具有良好的不变性，已经越来越受到这个领域研究者们的关注。与简单的特征相比，局部特征具有着良好的应用前景和重要的研究意义。局部特征的提取与计算也是通往高层应用的重要步骤。局部特征已经广泛用于计算机视觉方面的研究，例如图像检索，图像配准，目标识别，目标分类，材质分类，机器人定位以及视频内容检索等。局部特征的主要提取方法包括基于轮廓线的方法，基于灰度的方法，基于生物特征的方法，基于颜色的方法，基于模型的方法，多尺度的方法，尺度不变的方法，仿射不变的方法以及基于图像分块的方法等。实际过程中，局部特征的应用包括局部特征的提取、匹配以及筛选等阶段。局部特征的提取又分为特征检测和特征描述两个计算阶段。根据上述过程，本文针对局部特征技术在如下四个方面展开了深入研究：1. 对特征点检测方法进行改进。通过分析SURF检测子中存在的题目，提出了一种改进的基于Hessian行列式的特征点检测算法。对于检测子中计算Hessian矩阵中的元素的区域进行了改进。改进的方法中，通过消减边缘正方形和堆垒正方形的方法，将计算Hessian矩阵中的元素的区域设计为近似圆形的区域。实验结果表明，所提出的检测子计算方法，在旋转变化和视角变化的不变性的方面均优于SURF算法，图像配准时的正确率也较高。2. 提出一种基于主方向角的改进的特征匹配方法。主方向角的确定是特征提取中的一个重要步骤，但主方向角信息本身在匹配过程中没有得到很好的应用。一方面，对于通常的直立摄像机来说，特征的主方向都有着同样的起始方向。对于一个查询特征，根据这个查询特征的主方向选取一个区间来选择用于查找匹配特征的子集，从而降低了时间复杂度。另一方面，选取特征对应最大以及最小幅值累加方向，根据查询特征这两个方向之间的夹角选择一个区间，用于选出正确的匹配，这种方法减少了错误匹配的数量，也提高了正确匹配率。3. 对不包含先验知识的描述子匹配题目进行了研究。针对高维描述子匹配的题目，提出了一种基于子集选择的快速匹配算法。对于待匹配集合而言，计算其中元素到某个预先选定参考向量的距离。对于一个查询向量，计算它到这个参考向量的距离。根据得到的距离选取一个区间，到参考向量的距离落在这个区间中的待匹配元素组成一个子集，再从这个子集中查找相匹配的向量。使用距离区间把和查询向量相匹配的向量限定在一个子集中，并能达到精确匹配的效果，且减少了计算时间。4. 最后，对匹配对筛选及图像间变换关系的计算方法进行了研究，提出了一种基于匹配相似度的RANSAC改进的算法。本论文中提出的方法是将最近邻距离比作为匹配对相似度，并用这个相似度排序并建立一个队列，从队列的前端选择匹配对用于计算两幅图像间的变换关系并筛选出正确的匹配对。采用提出的方法在迭代的初期就可以计算出接近真实变换关系的仿射关系矩阵，减少了迭代计算的时间。本文对局部特征技术中的特征检测过程、包含先验知识的特征匹配过程、不包含先验知识的特征匹配过程和匹配点对的筛选题目均作了较深入的研究，并通过实验验证了对应的改进算法的有效性。在未来的工作中作者将进一步对局部特征的相关题目加以研究，推动局部特征技术的发展。 |
上一篇：船舶机电系统健康管理关键技术研究下一篇：飞机起落架安全性分析
|
发表于 2022-4-24 20:22:10
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
