1.3  论文组织结构
本文是对现有的基于局部视觉特征算法的一个简单总结。本文首先讲述了图像识别的背景及意义，再对图像识别的内容进行概述，之后简要分析了在具体物体的识别中用到的两种主要方法。之后对基于局部视觉特征的图像识别的方法进行具体的阐述。本文接下来着重介绍其中的一种对特征算子的匹配算法——带核的局部敏感哈希算法。最后阐述了基于局部特征的发展前景，并对全文进行总结。
第一章：绪论
阐述了图像识别的应用范围及研究意义，并对图像识别的内容进行概述。之后简要介绍了图像具体物体识别的两种基本方法，以及相应的发展。
第二章：基于局部特征的图像识别
介绍了基于局部特征的图像识别方法的三个方面，并对每个方面进行介绍。
第三章：带核的局部敏感哈希算法（KLSH）
详细介绍了现在使用的一种特征算子的匹配算法，作为对匹配算法的一种强调。
第四章：结论对论文进行总结
2. 基于局部特征的图像识别
现今图像识别方面的研究几乎是围绕局部特征进行的。局部特征的发展的基础是局部不变特征的检测与相应的描述方法的开发。这些特征使得人们能开发出健壮、高效的识别方法，以应用到变换视角及部分遮挡的情形之下。正因为它在各种条件下的易用性与稳定性，使得基于局部特征的图像识别方法成为了当前具体物体识别任务的标准。
2.1  概述
具体物体识别问题描述如下：给定一个物体，我们工作是判断在所有已有的图像中，是否有与该物体对应的内容，且如果有的话，出现在哪？方向如何？在基于局部特征的方法中，这个任务可以表述为：用一个与尺度及旋转无关的方法，从图像中提取相应的局部特征，用这些特征来表示图像的内容。这些特征是分别从两幅图像中提取的。之后对两幅图像进行匹配，找出公共的特征。鉴于当前开发出的方法如SIFT或SURF所拥有的特异性，匹配而得的匹配对数量已经暗示了目标物体是否存在于图像之中。
然而，在匹配中，经常也会有一系列的错误匹配或是模棱两可的局部结构，由于这个原因，一般而言还要进行一个窗外的几何检验过程来保证匹配出来的匹配对在几何上是一致的。
因此，基于具体图像识别的方法包括以下三个基本步骤：
1. 分别从待测图像与测试图像中提取局部特征
2. 将这些特征集合进行匹配以得到公共的特征对
3. 将匹配的特征对进行几何检验看是否保持几何结构一致性
下面，我们将对这三个步骤进行详细的介绍。
2.2  局部特征的检测与表示
2.2.1  介绍
局部不变特征的开发是为了对图像进行更好地描述，而这个描述使人们能对图像进行更高效的匹配。简单地说，就像全局特征一样，用每个点的像素值表示图像，不利于表示图像的本质，且不利于匹配。而我们想做的是找到图像的一个稀疏的子集，它要能有力地表示图像的本质，之后，将其换一种数据结构表示，使之易于匹配。要达到这个目的，用来提取特征的方法要满足以下的标准：
    该特征提取方法要有可重复性及精确性。即，对于同一幅图像，进行两次提取要得到相同的结果。
    该特征提取方法要有可区分性。即，对于不同的图像结果，得到的结果要容易区分。
另外，由于我们想在有部分遮挡的情况下也能进行图像的检测，所以我们需要一定数量的特征点。
 
图 3：基于局部特征方法的例子，我们首先在两幅图像中找到有特异性的关键点。对于每个点，我们在它的周围定义一个与尺度变换及旋转无关的区域。之后提取每一个区域，进行归一化处理，并计算出它的特征描述符。之后用一个合适的相似度计算方法找出最佳的匹配。 基于局部视觉特征的图像识别研究(3):http://www.youerw.com/jisuanji/lunwen_6448.html