论文部分内容阅读
随着社会的进步和信息技术的飞速发展，图像成为人类获取外界信息的必要手段，而利用计算机对图像进行处理，从而获取人类感兴趣的信息成为研究的热点问题。近年来，局部描述子技术在图像处理中被广泛应用。本文引入其中经典的尺度不变特征变换（SIFT）算法，针对图像处理领域中目标识别与跟踪两项关键技术的应用瓶颈，进行算法优化设计。现将主要研究内容概括如下：1.在遥感图像特定建筑区域识别研究中，针对大视场遥感图像成像范围大、场景复杂的特点，结合待识别建筑区域的几何特征，提出了一种基于显著边缘约束的SIFT极值检测算法，其通过对金字塔底层图像的自适应阈值分割获得二值图像；将极值检测重点应用于具有显著边缘特征的建筑区域，增加了极值点检测的有效性。针对建筑区域显著的顶视结构，同时分析传统的RANSAC算法对少量匹配点对提纯的不鲁棒，提出了一种基于局部邻域相似性的匹配对提取方法，经验证算法能够得到正确的匹配对。2.在运动目标检测跟踪研究中，通过分析帧差结果，确定采用SIFT算法对图像进行配准，考虑实现SIFT算法所需的高运算量及实效性要求，本文提出了一种基于改进SIFT的配准算法：将快速角点检测算子FAST应用于SIFT构建的单组高斯金字塔，并对特征点进行SIFT方向分配和特征点描述，其通过保证检测到特征点的表征性和描述方式的高准确性，提高了配准的速度和精度。针对帧差结果中出现的孔洞现象，给出了区域合并的解决方案，实现对运动目标的检测。其次，采用基于目标局部特性的判定准则对前后检测目标的同一性进行判断，并根据置信度检验实现对运动目标的跟踪。为了提高算法的实用性，提取运动目标的形状和局部描述特征，利用SVM实现目标的分类。实验验证本文算法可实现对运动目标的准确检测和稳定跟踪。本文完成了基于改进SIFT算法的建筑区域的检测和运动目标的识别跟踪，为算法的实用化奠定了基础。