局部描述子方法及其在图像识别中的应用
毕业论文关键词 局部特征描述子 主成分分析 特征编码 支持向量机 图像识别
Title Local Descriptors and Applications in Image Recognition
Abstract
A fine local feature descriptor plays a significant role in image recognition.
This paper firstly introduces the Scale Invariant Feature Transform, Histogram
of Oriented Gradient, and Oriented Texture Curves. Then the feature coding models
including the Bag of Words and its extension to the Spatial Pyramid Matching are
described. Finally , SVM is introduced and employed for classification. We
implement the framework of image recognition and report the performances of SIFT,
HOG, OTC with several parameters and feature coding schemes in different image
databases. We re-implement OTC method in Matlab and add a weighted value for H-bin
in order to achieve a better visual performance of OTC features. PCA is utilized
to reduce the high feature dimension of each image patch.
Keywords local descriptor PCA feature coding SVM images recognition
目 次
1 引言 1
1.1 局部描述子的研究背景和意义 1
1.2 国内外发展现状 1
1.3 局部描述子的研究内容与研究方法 .. 1
1.4 本文研究内容与章节安排 . 4
2 经典局部描述子提取算法 5
2.1 尺度不变特征变换描述子 . 5
2.2 梯度方向直方图描述子 7
2.3 方向纹理曲线描述子 . 10
2.4 本章小结 .. 14
3 图像识别部分相关理论 . 15
3.1 主成分分析 15
3.2 词包模型 .. 16
3.3 空间金字塔匹配模型 . 17
3.4 聚类算法-K-means 19
3.5 支持向量机 19
3.6 本章小结 .. 21
4 实验与分析 .. 22
4.1 图像识别 .. 22
4.2 OTC 描述子结构特征可视化及改进 .. 23
4.3 局部描述子在图像识别中的应用 24
4.4 本章小结 .. 31
结 论 .. 32
致 谢 .. 33
参 考 文 献 34
附 录36
1 引言
1.1 局部描述子的研究背景和意义
随着计算机科学技术、模式识别和人工智能理论的不断发展和完善，机器视觉这门新技
术应运而生。该技术主要研究目的是让以计算为核心任务的机器像人类一样去获取并处理视
觉图像信息。为了高效地对图像信息进行分析和理解，需要用定义明确的数值、符号或者图
下一篇：基于深度学习的时序模式识别