基于图像的物体识别算法研究-软件工程专业论文.docx

万方数据 万方数据 摘要 摘 要 基于图像的物品识别技术是计算机视觉领域中的一个热点问题，能够对物体 准确的检测识别是当前研究的一个难点。 在基于图像特征点的物品识别中主要解决的问题有：如何选取有效的图像特 征点以解决在物品识别过程中图像平移、图像旋转、尺度变化，同时降低在物品 识别过程中出现的遮挡、图像噪声带来的影响，以达到较好的物品识别精确度。 针对以上出现的这些问题，本文研究了基于图像特征点的物品识别技术。 本文在分析了现有的图像匹配技术基础上，研究了 SIFT(Scale Invariant Feature Transform)特征点匹配技术，从建立 DOG 尺度空间、空间极值点检测、描述子生 成和基于 k-d 树的相似性度量这四个方面分析了 SIFT 算法。并针对 SIFT 算法的 不足之处，对 SIFT 算法进行了改进。实验结果表明 SIFT 算法对光照变化、图像 尺度变换、旋转变换、图像噪声等影响图像匹配的因素都具有很好的稳定性。 为了能够进一步提高算法的计算速度，本文研究并实现了 SURF(Speed UP Robust Features)特征点物品识别技术。SURF 特征点提取算法在积分图像基础上进 行快速运算，利用方形滤波器建立尺度空间，通过快速 Hessian 矩阵来检测图像的 极值点，利用哈尔小波生成特征点描述子。针对 SURF 算法在图像匹配过程中出 现的错误匹配问题，本文提出了用 RANSAC(Random Sample Consensus)算法进行 特征点提纯，有效的解决了该问题。本文通过对比 SIFT 和 SURF 的实验数据，对 这两种算法的性能做了详细的对比分析。实验结果表明 SURF 算法在基于特征点 的物品识别速度上有了极大的提高。 本文最后在电脑上模拟实现了基于图像的物品识别系统。 关键词：特征点，物品识别，SIFT，SURF，RANSAC I ABSTRACT ABSTRACT Image-based item identification technology is a hot issue in the field of computer vision. Accuracy of object detection and recognition is a difficult point of current research. The main problem in the image-based feature point is: how to select efficient image feature point to solve the problems of image translation, image rotation, scale variation, at the same time reduce the effect of block, image noise in the process of items recognition, in order to achieve better accuracy of goods identification. In view of the problems, this thesis do research on items identification technology based on feature point. Based on analysis of the existing image matching technology, this thesis concentrate on feature point matching technology that is SIFT(Scale Invariant Feature Transform). Analysis of SIFT algorithm is from four aspects: establishment of DOG(Difference-of-Gaussian) scale space, using space extreme points to detect, descriptor generation, and similarity measure based on k-d-tree. For the disadvantage of SIFT algorithm, this thesis improve it. Experimental results show that SIFT algorithm has better stability in terms of influencing image matching such as