目的局部图像描述符凭借其优越的特性广泛应用于计算机视觉和图像处理多个领域,如图像匹配、图像分类、图像搜索、从运动恢复结构等。方法本文提出了一种新的局部特征:最大边缘方向模式(MEOP)。该特征计算中心像素和周围像素间最大强度...目的局部图像描述符凭借其优越的特性广泛应用于计算机视觉和图像处理多个领域,如图像匹配、图像分类、图像搜索、从运动恢复结构等。方法本文提出了一种新的局部特征:最大边缘方向模式(MEOP)。该特征计算中心像素和周围像素间最大强度差值,对其位置和符号进行编码。呈现最大强度差值的像素代表局部领域的最强边缘处,其位置描述了径向方向,差值的符号描述了径向方向的朝向。相对于局部二进制模式,由于MEOP仅编码最大强度差值,所以只要最大强度差值的位置和符号不出现改变,MEOP模式就不会发生改变。所以MEOP模式的鲁棒性较高,抗噪声能力更强。MEOP在描述图像的局部结构特征上和局部二进制模式是完全不一样的,两种模式在表达图像的局部结构方面具有较大的互补性。利用局部旋转不变坐标系计算最大边缘方向模式,采用旋转不变强度序空间分割方法和多支撑域对最大边缘方向模式进行空间汇聚得到一种新的局部图像描述符:最大边缘方向模式直方图(MEOPH)。相对于采用局部二进制模式的MRRID(multisupport region rotation and intensity monotonic invariant descriptor)描述符相比,采用最大边缘方向模式的MEOPH描述符具有不同的统计特性和更优越的性能。结果在牛津大学仿射不变研究小组的标准测试图像集上对目前的主流局部描述符(SIFT(scale invariant feature transform)、DAISY、CS-LBP(center-symmetric local binary pattern)、HRI-CSLTP(histogram of relative intensities and center-symmetric local ternary patterns)和MRRID)进行了图像匹配实验。标准测试图像集上的实验结果表明,本文MEOPH和MRRID获得了最好的性能,MEOPH在所有测试数据集上的匹配性能都优于SIFT、DAISY、CS-LBP和HRI-CSLTP,在大多数情况下MEOPH的图像匹配效果要比MRRID稍好一些。在标准测试图像集上添加高斯噪声的图像匹配实验中,MEOPH�展开更多
文摘目的局部图像描述符凭借其优越的特性广泛应用于计算机视觉和图像处理多个领域,如图像匹配、图像分类、图像搜索、从运动恢复结构等。方法本文提出了一种新的局部特征:最大边缘方向模式(MEOP)。该特征计算中心像素和周围像素间最大强度差值,对其位置和符号进行编码。呈现最大强度差值的像素代表局部领域的最强边缘处,其位置描述了径向方向,差值的符号描述了径向方向的朝向。相对于局部二进制模式,由于MEOP仅编码最大强度差值,所以只要最大强度差值的位置和符号不出现改变,MEOP模式就不会发生改变。所以MEOP模式的鲁棒性较高,抗噪声能力更强。MEOP在描述图像的局部结构特征上和局部二进制模式是完全不一样的,两种模式在表达图像的局部结构方面具有较大的互补性。利用局部旋转不变坐标系计算最大边缘方向模式,采用旋转不变强度序空间分割方法和多支撑域对最大边缘方向模式进行空间汇聚得到一种新的局部图像描述符:最大边缘方向模式直方图(MEOPH)。相对于采用局部二进制模式的MRRID(multisupport region rotation and intensity monotonic invariant descriptor)描述符相比,采用最大边缘方向模式的MEOPH描述符具有不同的统计特性和更优越的性能。结果在牛津大学仿射不变研究小组的标准测试图像集上对目前的主流局部描述符(SIFT(scale invariant feature transform)、DAISY、CS-LBP(center-symmetric local binary pattern)、HRI-CSLTP(histogram of relative intensities and center-symmetric local ternary patterns)和MRRID)进行了图像匹配实验。标准测试图像集上的实验结果表明,本文MEOPH和MRRID获得了最好的性能,MEOPH在所有测试数据集上的匹配性能都优于SIFT、DAISY、CS-LBP和HRI-CSLTP,在大多数情况下MEOPH的图像匹配效果要比MRRID稍好一些。在标准测试图像集上添加高斯噪声的图像匹配实验中,MEOPH�
