论文总字数：32380字

摘 要

在现阶段，汽车尾部特征匹配已经广泛应用在监控录像，道路安全等当中，已然成为局部不变图像匹配的一个热门话题，而局部图像匹配这一问题能够得以研究，又是建立于计算机视觉能够扩展研究的基础上。本文主要阐述了基于局部描述符的汽车尾部特征匹配的方法步骤，总结了相关领域的研究结果，深入拓展了汽车尾部特征匹配和特征提取的方法方案，并加以比较分析利弊，在前人的基础上提出了局部特征描述的方案,并将其应用到图像匹配问题中。本课题的主要工作如下：

1、论述了基于局部不变技术的图像匹配方法的一般实现流程,对一些经典的局部特征检测和特征描述方法的原理、性能进行了深入分析和评价。为图像匹配过程中,选择合适的检测器和描述子提供了理论和技术支撑。

 2、针对单一特征引导图像匹配的准确度有限性,提出了一种同时使用灰度和边缘信息的特征描述子,该描述子将图像的几何特征与灰度信息结合起来,首先计算每个特征点周围的灰度对比直方图,其次还引入了边缘属性用来增强边缘的匹配。

3、针对基于LBP的特征提取方法对像素的位置都有较强依赖性特点,提出了基于局部序列特征模式(Local Sequence Pattern, LSP)的图像匹配算法。首先使用SIFT方法检测出图像特征点,然后结合扩展的LBP和直方图方法对特征点进行描述,生成特征向量,最后采用欧氏距离作为相似性度量函数进行特征向量的匹配。并在标准图像库上的实验，验证算法的优劣。

关键词：局部不变特征 局部邻域 特征检测 特征描述符

Based on local descriptor car tail feature matching

Abstract

At present, the rear of the car feature matching has been widely used in surveillance video, road safety, etc, has become a hot topic of local invariant image matching, and local image matching, this problem can be research is based on computer vision can be based on the study of the extension. This article mainly expounds the car tail feature matching based on local descriptor method step, summarizes the relevant research results, further expand the car tail feature matching and feature extraction method, and comparative analysis of advantages and disadvantages, on the basis of predecessors' local character description scheme was proposed, and its application in the image matching problem. This topic main work is as follows:

1, This paper discusses the image matching method based on local invariant of the general implementation process, for some classic local feature detection and feature description method principle, carried on the thorough analysis and performance evaluation. For image matching process, select the appropriate detector and descriptor provides the theoretical and technical support.

2, Guide the accuracy of image matching limitation for single feature, and puts forward a while using gray level and the characteristics of the edge information description, the descriptor combined image geometric features and gray information, first calculate each feature points around the gray-level histogram contrast, secondly introduces edge attributes used to enhance the edge of the match.

3, In view of the feature extraction method based on LBP has strong dependence on the position of the pixel features, feature model is proposed based on Local Sequence (the Local Sequence Patten, LSP) image matching algorithm. SIFT method is used to detect the image feature points first, and then combined with the extended LBP and histogram method to description of feature points, to generate the feature vector, then using Euclidean distance as the similarity measure function characteristic vector matching. Experiments on standard image library, validation and the advantages and disadvantages of the algorithm.

Key Words：Local invariant features；local neighborhood；feature detector；feature descriptor

目 录

第一章 绪论 1

1.1 研究背景 1

1.2 研究现状 1

1.3 研究目的和意义 2

1.4 课题的研究内容与安排 3

第二章 汽车尾部局部特征相关知识 4

2.1 基于汽车尾部局部不变特征匹配方法大体思路 4

2.2 特征检测方法 5

2.2.1概述 5

2.2.2角点检测 5

2.2.3 区域检测 6

2.2.4 各种检测算子比较 8

2.3 汽车尾部局部特征描述方法 9

2.3.1 微分描述符 9

2.3.2 滤波器描述符 9

2.3.3 基于分布的描述符 10

2.4局部特征匹配及排错方法 10

第三章 基于灰度和边缘信息的汽车尾部局部特征描述算法 12

3.1 引言 12

3.2 Harris角点检测 13

3.3 构建基于直方图的描述符 15

3.3.1 CCH描述符 15

3.3.2 形状上下文描述符 16

3.3.3描述符的设计 17

3.4 特征向量匹配 17

3.5 实验结果分析 18

第四章 基于局部序列特征模式的汽车尾部图像匹配方法 21

4.1 特征点检测 21

4.1.1 关键点检测 21

4.1.2 关键点的方向匹配 24

4.1.3 关键点描述 25

4.1.4 关键点的匹配 26

4.2 基于局部序列特征模式的汽车尾部图像匹配技术 27

4.2.1 LBP算法 27

4.2.2 局部序列特征模式描述符 28

4.2.3 特征匹配 29

4.3 实验结果分析 29

总结与展望 32

参考文献 34

致谢 36

附录：基于局部描述符的汽车尾部特征匹配程序 37

第一章 绪论

1.1 研究背景

随着现阶段科学技术的迅速发展，计算机技术得到很大范围的普及和应用。应用计算机技术、传播和使用信息技术来模拟人类视觉感知和应付能力问题，使人类的生活变得更加方便，处理问题更加便捷。例如，车辆是否超速的检测、各大公共场所或居民小区常使用的监控器，甚至辨别指纹以及匹配指纹相似度等，这些技术都可以用计算机相关的应用而解决。从科学的角度来讲，这种使用计算机来处理与视觉相关信息的技术，统称为计算机视觉。大量的研究数据表明，人类从自然界获取的信息有70%是通过眼睛来实现，也就是所谓的视觉系统，而其他的30%，有很大一部分是通过听觉来实现，而其他感官获取的信息与视觉相比更显得微不足道。在计算机视觉这一领域当中，不变的静态图像数据和每分每秒都在改变的动态视频数据，是数据的主要表现形式。人们在不了解某一事物的时候，通常会先观察这个事物的图像，从而加深对事物的音响和理解，也就表明图像可以作为载体进行数据和信息的传递。

请支付后下载全文，论文总字数：32380字