基于宽基线的弱纹理特征点提取与描述方法研究
图像纹理特征提取方法
安徽大学本科毕业论文（设计、创作）题目：图像纹理特征提取方法研究学生姓名：朱邵成学号：Z01114175院（系）：电气工程与自动化学院专业：自动化入学时间：2011 年9 月导师姓名：寻丽娜职称/学位：讲师/博士导师所在单位：安徽大学电气工程与自动化学院完成时间：2015 年 5 月图像纹理特征提取方法研究摘要近年来，随着信息多媒体时代的到来，以及网络在世界范围内的日益流行、云计算的风行，人们在日常生活工作接触的信息量越来越大。
图像作为信息的一种载体，具有直观、信息量大、便于不同国家间交流的特点，是网络多媒体的重要组成部分。
基于文本的图像检索是基于内容图像检索的基础，用人工方式解释图像信息，其工作量我们难以想象，可行性也值得商榷。
因此CBIR方法有效解决了这一个难题。
基于内容的图像检索（CBIR）包括四个阶段，分别是：获取图像、提取特征、分类图像、检索图像。
图像检索主要是一个核心问题：选取何种算法提取哪一种图像特征，快速有效的进行图像的区分与检测。
纹理特征的提取是CBIR 的关键问题之一，本论文也是基于图像纹理特征的提取为基础。
首先，本文使用基于纹理基元的共生矩阵分析方法，用来提取纹理特征向量。
此方法中，采用局部二进制模式(Local Binary Pattern，LBP)来进行图像的基本纹理基元的提取，并用灰度共生矩阵(Gray Level Co．occurrence Matrix，GLCM)中共生矩阵的分析方法来对纹理基元图像进行分析。
其次文中深入研究了基于灰度共生矩阵( GLCM) 的纹理特征提取方法，给出了基于Matlab 的简便实现代码，分析了共生矩阵各个构造参数对构造共生矩阵的影响。
分析结果对优化灰度共生矩阵的构造、实现基于灰度共生矩阵( GLCM) 的特定图像的纹理特征提取等都具有重要参考意义。
关键词：纹理特征；灰度共生矩阵；基于内容的图像检索；MatlabStudy on the extraction method of image texture featureAbstractIn recent years, along with information multimedia time arrival, as well as network in worldwide scale day by day popular, cloud computation being in fashion, the people are more and more bigger in the daily life work contact information content. The image took the information one kind of carrier, has, the information content intuitively big, is advantageous for the characteristic which between the different country exchanges, is the network multimedia important constituent. Based on the text image retrieval is based on the content image retrieval foundation, with the artificial way explanation pictorial information, its work load we imagines with difficulty, the feasibility is also worth discussing. Therefore CBIR method effective addressing this difficult problem . Based on content image retrieval (CBIR) including four stages, respectively is: Gain image, extraction characteristic, classified image, retrieval image. The image retrieval mainly is a core question: Which one kind of image characteristic selects what algorithm to withdraw, fast effective carries on the image the discrimination and the examination. The texture characteristic extraction is one of CBIR key question, the present paper also is based on the image texture characteristic extraction is a foundation. First, this paper used the co-occurrence matrix based on texture primitive to extract texture feature of image．In this method，it extracted basic texture primitive of image by Local Binary Pattem(LBP), and used co-ccurrence matrix of gray level co-occurrence matrix(GLCM) to analyze the texture primitive image. The method of texture feature extraction based on gray level co-occurrence matrix ( GLCM) was studied. Analyzed the effect of each parameter on constructing the co-occurrence matrix and implemented the feature extraction using Matlab. The analytical results provide valuable reference for creating GLCM better and extracting texture features of specific kinds of images．Keywords: texture feature；gray level co－occurrence matrix；based on content image retrieval；Matlab目录第1章绪论 01.1 前言 01.2 研究背景和意义 01.3 国内外研究现状 01.4 研究方法 (1)第2章纹理的概念和表达方式 (2)2.1 纹理的概念和特征 (2)2.2 纹理特征的描述方法 (3)2.2.1 统计分析法 (3)2.2.1.1 自相关函数 (4)2.2.1.2 边界频率 (4)2.2.1.3 灰度共生矩阵法 (4)2.2.2 频谱法 (5)2.2.3 结构法 (5)第3章灰度共生距阵算法的具体分析与实现 (6)3.1 灰度共生矩阵基本原理和特征 (6)3.2 灰度共生矩阵的二次统计特征量 (6)3.3 灰度共生矩阵的Matlab实现 (7)3.3.1 图像的前期处理 (7)3.3.2 Matlab实验获取二次统计特征量 (8)3.4 试验结果分析 (8)第4章结束语 (10)主要参考文献 (11)致谢 (11)第1章绪论1.1 前言随着多媒体技术和互联网的迅速发展，数字图像的容量正以惊人的速度增长，无论是军用还是民用，无论是静态还是动态的，每天都会产生海量的图像信息。
基于纹理特征的SPOT5影像水体提取方法研究_李小涛
[ 1] 吉文帅, 王心源, 张生根, 等. 基于遥感的 杭埠河流域 水体的提取方 法研究 [ J]. 国土资源信息化, 2007( 5) : 36- 39.
[ 2] 黄桂兰. 航空像片影像纹理分类研究 [ J]. 测绘学报, 1999, 128( 2) : 185. [ 3] C urran P J. The Sem i- variogram in R em oe Seneing: Introduc tion[ J]. Rem ote
1 研究方法
1. 1 变差函数
变差函数是地 统计 学特 有的基 本工 具。在一 维条件 下变
差函数的定义如下: 区域化变量 Z ( x ) 在 x、x + h两点处的 Z (x ) 值与 Z (x + h) 差的方差为 Z ( x ) 在 h方向上的变差函数 (也称变异 函数 ), 方差的一半称为半变差函数, 记为 r( x, h), 即
=责任编辑 赵宏伟 >
r(x, h) = E [Z( x ) - Z (x + h ) ] 2 - {E [Z( x ) ] - E [Z (x + h ) ] }2 /2
( 1)
当变差函数 r( x, h ) 仅依赖于 h而与位置 x 无关时, r ( x, h)
可写成:
r(h ) = E [ Z (x ) - Z (x + h ) ] 2 /2
# 6#
图 3 光谱特征法水体提取结果 从图 3来看: 相比 ND VI 提取的结果, 河滩地错分 的现象有 了一定改善, 但效果还是不理想, 居民地、湿润地表和 天然水体 依然没有完全区分开 来。
2. 3. 3 基于纹理特征的水体提取方法
在 SPOT 5影像 数据预 处理的 基础上, 对其 进行了 主成分 分析, 经分析后的第一 主成分 包含 了整个 信息 量的 大部分, 所 以利用变差函数对第 一主成分进行纹理信息 的提取, 采用的是 绝对变差函数, 相对周边的地物 (如河滩地 )水体的纹理平滑连 续, 易于区分。在此基础上, 利用 BP神经网络分类器 结合影像 的光谱信息和纹理信 息进行了分类, 之后 对水体信息 进行专题 信息提取, 见图 4。从图 4可以看出, 河道水体得到了充分的提 取, 它对河滩地、居 民地、湿润 地表 等地 类基本 没有 错分现 象, 水体提取的效果较前 两种方法有了很大改善。
遥感影像解译中的纹理特征提取方法与实践指南
遥感影像解译中的纹理特征提取方法与实践指南遥感影像解译是一项重要的技术，在许多领域有着广泛的应用。
纹理特征提取是遥感影像解译中的一个关键步骤，它可以帮助我们从图像中获取有关地物表面纹理信息的重要指标。
本文将介绍纹理特征提取的一些常用方法，并给出一些实践指南。
一、纹理特征提取方法1. 统计方法统计方法是最常用的纹理特征提取方法之一。
它基于像素灰度值之间的统计特性，通过计算各种统计参数来描述图像的纹理特征。
常见的统计参数包括均值、方差、协方差、相关性等。
这些参数可以用来刻画图像的纹理粗糙程度、纹理方向等。
2. 傅立叶变换方法傅立叶变换方法利用频域分析的思想，将图像从空域转换到频域，通过分析频谱信息提取纹理特征。
常见的方法有二维离散傅立叶变换(DFT)、小波变换(WT)等。
这些方法可以捕捉到图像不同频率上的纹理细节信息，对于某些纹理样式的提取效果较好。
3. 统计模型方法统计模型方法基于图像纹理统计特性的假设，使用统计模型来描述图像的纹理结构。
常见的统计模型包括灰度共生矩阵(GLCM)、自回归模型(AR)等。
这些模型可以帮助我们从图像中提取出与纹理特征相关的统计参数，通过对比这些参数的差异来获取纹理信息。
二、纹理特征提取的实践指南1. 选择合适的特征提取方法在进行纹理特征提取时，需要根据具体的应用场景选择合适的方法。
对于需要捕捉细节纹理的场景，可以尝试傅立叶变换方法；对于需要考虑纹理方向的场景，可以使用统计方法；对于需要全局纹理信息的场景，可以使用统计模型方法。
2. 采用多尺度特征提取纹理特征的提取通常需要考虑不同尺度下的纹理变化。
因此，可以使用多尺度分析的方法，通过对图像进行多次滤波或变换，提取不同尺度下的纹理特征。
这样可以更好地捕捉到不同尺度下的纹理细节，提高纹理特征的区分能力。
3. 结合其他特征进行综合分析纹理特征是遥感影像解译的一个重要方面，但单独使用纹理特征可能无法完全描述地物的复杂特征。
因此，可以结合其他特征如颜色、形状等进行综合分析，提高解译结果的准确性。
基于Contourlet变换的纹理特征提取及纹理分类
（Ｏ Ｓ Ｍ） ｎｕｏ ｅ ｒ ｅｃ ｄｂ ｏ ｔｘ Ｔ ｅ ｎ ｕａ ａｕ ｅｏ ｏｉｏ （Ｖ ｅｒｎｎｔ ｋｔ ｇｔ ｏ ｅ ｏｋｍａｒ ． ｈ ｎｓ ｇ ｌ ｖｌｅ ｃｍｐ ｓ ｉ ｗｏ ｏ ｉ ｉ ｒ ｄ ｔ ｎ Ｓ Ｄ） ｉ ａｐｉ ｈｅｅｔｅ ｅｔ ｅ ｅｔｒ． ｓ ｐ ｌ ｄｔ ａ ｉ ａ ｒ ｃｏｓ ｅ ｏｃ ｖ ｈｆ ｕ ｖ
ｔ ｘｕｒ ｎａｙｓｓ ｅ ｔ ｅａ ｌ ｉ．
Ｋｅ ｒ ｓ ｃ ｎ ｏ ｌｔ ａ ｓ ｏ ｍ； ｓ ｌ ｏ ｇ ｉｉ ｇ ｆ ａｕ ｅｍａ ； ｓ ｐ ｏ ｔ ｅ ｔ ｒ ｃ ｉ ｅ ｆ ａｕ ｅ ｅ ｔ ｃ ｉｎ； ｔ ｘ ｕ ｅｃ ａ ｓｆ ａｉ ｎ ｙｗｏ ｄ ： ｏ ｔ ｕ ｅ ｎ ｆ ｒ ｒ ｒ ｔ ｅｆ ｒ ａ ｚｎ ｅ ｔ ｒ ｐ － ｎ ｕ ｐ ｒ ｖ ｃｏ ｍａ ｈ ｎ ； ｅ ｔ ｒ ｘ ｒ ｔ ａ ｏ ｅ ｔ ｒ ｌ ｓ ｉ ｃ ｔ ｉ ｏ
（ 南京 工 业 大学 电子 与信 息工程 学院 ，江 苏 南京 ２ ０ ０ ） １０ ９
摘 要： 通过对 传统 小波 多方向性缺 失和 Ｃ ｎｏｒ ｔ ｏｔｕｌ 变换 系数 稀疏性 的分析 ， 出运 用 方向性 小波 Ｃ ｎｏ ｒ ｔ ｅ 提 ｏ ｔ ｌ 分析 纹理 特征 ， ｕｅ
以 自组特征 映射 神经 网络 （ＯＭ） ｓ 处理 Ｃ ｎｏｒ ｔ ｏｔｕｌ 变换 系数 的重组序 列 。对 Ｓ Ｍ 网络输 出层 ｃｄｂ ｏ ｅ Ｏ ｏ ｅｏｋ矩 阵进行 奇异值分解得 到 纹理 图像 特征 向量 的方法进 行纹理 分类 ，在 充分利用 图像各 尺度 方向信 息的基础 上 ， 效提取 了图像 纹理 ， ｏ ｔ ｒ ｔ 该 Ｃ ｎ ｕｌ 变换 比传统 小波分 解更适 合于 图像纹理 特性 的分析 。 ｏ ｅ
一种采用Gabor小波的纹理特征提取方法
一种采用Gabor小波的纹理特征提取方法
张刚;马宗民
【期刊名称】《中国图象图形学报》
【年(卷),期】2010(015)002
【摘要】Gabor小波是一种重要的纹理特征提取方法.利用其基函数的正交
性,Gabor小波不仅可以有效地提取纹理特征,而且可以消除冗余信息.然而,采用Gabor小波方法计算得到的纹理特征向量具有较高的维数,因此,提出一种采用Gabor小波的纹理特征提取方法.该方法采用Gabor小波方法计算不同尺度和方向的能量信息,根据这些信息确定了显著峰集合.根据显著峰集合,确定了纹理特征向量,并且把显著性作为权重引入到相似性度量.实验结果表明,采用该方法的系统具有和采用直接Gabor小波变换方法的系统近似相同的检索性能,而纹理特征向量的维数仅为采用直接Gabor小波变换方法计算得到的纹理特征向量维数的6.1%.
【总页数】8页(P247-254)
【作者】张刚;马宗民
【作者单位】东北大学信息科学与工程学院,沈阳,110004;沈阳工业大学软件学院,沈阳,110023;东北大学信息科学与工程学院,沈阳,110004
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于Gabor小波的频域快速纹理特征提取 [J], 李秀秀;陈露;林怡茂
2.改进的Gabor变换图像纹理特征提取方法应用研究 [J], 解洪胜;王连国;李长松
3.结合FFT和Gabor滤波器的织物纹理特征提取方法 [J], 任静;周华;郭超;王妍;梅再欢
4.基于Gabor小波和LPP的浮选过程泡沫纹理特征提取及应用 [J], 赵洪伟;谢永芳;曹斌芳;蒋朝辉
5.一种基于改进双树复小波变换的地形纹理特征提取方法 [J], 陶旸;王春;蒋圣因版权原因，仅展示原文概要，查看原文内容请购买。
一种弱纹理图像特征跟踪的鲁棒方法
一种弱纹理图像特征跟踪的鲁棒方法
贾云得;Marti.,H
【期刊名称】《北京理工大学学报》
【年(卷),期】1999(19)2
【摘要】目的提出一种用于弱纹理图像的特征提取和跟踪的鲁棒方法．方法选取包含若干表面片的结构化特征，并假设结构化特征中的表面片之间的关系在图像运动时保持不变．使用基于梯度的方法和基于相关性的方法在另一幅图像中求取对应的结构化特征．利用结构化特征不变性判据，评价对应结构化特征的有效性．结果与结论该算法能有效地跟踪一般表面片特征，非常适合于在室外获取的一般图像序列和弱纹理图像序列运动分析．
【总页数】5页(P190-194)
【关键词】图像运动估计;特征跟踪;特征提取;弱纹理图像
【作者】贾云得;Marti.,H
【作者单位】北京理工大学机电工程系;卡内基－梅隆大学计算机科学学院
【正文语种】中文
【中图分类】TP391.1
【相关文献】
1.弱纹理环境双目视觉稠密视差鲁棒估计方法 [J], 杜英魁;刘成;田丹;韩晓微;原忠虎
2.一种基于鲁棒局部纹理特征的背景差分方法 [J], 金静;党建武;王阳萍;翟凤文
3.一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法 [J], 张云飞; 黄润辉; 单云霄; 周晓梅
4.复杂环境下一种基于改进核相关滤波的视觉鲁棒目标跟踪方法 [J], 何容;赖际舟;吕品;刘国辉;王博
5.高光弱纹理物体表面鲁棒重建方法 [J], 乔玉晶;张思远;赵宇航
因版权原因，仅展示原文概要，查看原文内容请购买。
纹理特征研究综述_sup_①__sup_ (1)
纹理特征研究综述①孙君顶马媛媛(河南理工大学计算机科学与技术学院河南焦作 454000)摘要：纹理广泛存在于自然界中，是所有物体表面所共有的内在特性，研究纹理有着重要的理论和应用价值。
从纹理定义及分类两个方面，回顾了纹理特征研究的发展历程，分析了有关纹理的研究成果，并重点对纹理分析方法进行了较为全面的综述，最后给出了纹理研究的几个热点应用领域。
关键词：纹理；纹理定义；研究成果；纹理分析方法；应用领域Summary of Texture Feature Researc hSUN Jun-Ding, MA Yuan-Yuan(School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo 454000, China) Abstract: Texture exists widely in nature and it denotes the inherent characteristics of the objects. It is very important to study texture in theory and application. This paper reviews and analyzes the research development,research results and analysis methods of texture features in detail. Finally some hot applications of textureresearch are given.Keywords: texture; texture definition; the research results; texture analysis method; fields of application纹理是一种不依赖于颜色或亮度变化的反映图像中同质现象的视觉特征，刻画了图像像素邻域灰度空间分布的规律。
宽线条提取相结合的SAR图像边缘检测方法和装置[发明专利]
![宽线条提取相结合的SAR图像边缘检测方法和装置[发明专利]](https://img.taocdn.com/s3/m/b296768e25c52cc58ad6bed6.png)
专利名称：宽线条提取相结合的SAR图像边缘检测方法和装置专利类型：发明专利
发明人：安道祥,罗雨潇,王武,陈乐平,黄晓涛,周智敏
申请号：CN201910976380.5
申请日：20191015
公开号：CN110796674A
公开日：
20200214
专利内容由知识产权出版社提供
摘要：本申请涉及一种宽线条提取相结合的SAR图像边缘检测方法和装置。
所述方法包括：获取SAR图像在各个方向上的边缘强度信息，构建初步边缘强度图，将初步边缘强度图与预先设置的高斯核函数进行卷积运算，得到初步边缘强度图对应的黑塞矩阵，根据黑塞矩阵的特征值与特征向量，得到SAR图像的增强边缘强度图，采用预先设置的各向同性非线性滤波器对增强边缘强度图进行滤波，得到增强边缘强度图中的宽线条，提取宽线条的中心线，得到所述SAR图像边缘。
采用本方法能够同时解决SAR图像边缘检测中弱边缘与边缘方向问题。
申请人：中国人民解放军国防科技大学
地址：410073 湖南省长沙市开福区德雅路109号
国籍：CN
代理机构：长沙国科天河知识产权代理有限公司
代理人：邱轶
更多信息请下载全文后查看。
基于深度学习的宽基线弱纹理影像匹配研究
基于深度学习的宽基线弱纹理影像匹配研究
傅水清
【期刊名称】《科学技术创新》
【年(卷),期】2024()14
【摘要】为了解决宽基线弱纹理影像匹配中的挑战性问题,本文深入研究了基于深度学习的匹配方法。
首先,设计了宽基线弱纹理影像匹配的完整流程,包括几何纠正、粗等级匹配预测和最终匹配等关键步骤。
在几何纠正方面,本文采用了一种有效的
影像配准方法,以纠正由于摄影角度和地形变化引起的几何畸变。
接着,通过引入深
度学习模型,实现了对宽基线弱纹理影像的粗等级匹配预测,为后续精细匹配提供了
可靠的初值。
在最终匹配阶段,本文提出了一种结合传统特征和深度学习特征的综
合匹配算法。
研究结果表明,应用本文方法进行宽基线弱纹理影像匹配时,匹配正确
率均在95.00%以上,显示了该方法在处理具有挑战性的影像数据时的优越性能。
【总页数】4页(P47-50)
【作者】傅水清
【作者单位】厦门众图地理信息有限公司
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于SIFT的宽基线立体影像密集匹配
2.基于SIFT的宽基线立体影像最小二乘匹配方法
3.基于Harris-Affine的宽基线立体影像LSM匹配方法
4.抗视差的宽基线弱纹理影像自动拼接算法
5.基于深度学习的宽基线夜间灯光影像线特征自动匹配
因版权原因，仅展示原文概要，查看原文内容请购买。
改进的ORB特征提取及描述算法
改进的ORB特征提取及描述算法
秦志钢
【期刊名称】《集成电路应用》
【年(卷),期】2022(39)2
【摘要】针对传统ORB特征点提取分布密集的问题提出均匀化orb特征点提取以及针对经典二进制描述符鲁棒性差,特征点相似度高的问题提出使用局部差异二值(LBD)描述子,实现特征提取及匹配。
首先构造图像金字塔,在金字塔每层使用四叉树的方法均匀提取特征点;之后采用LBD描述子,对特征点及其邻域采用网格的形式得到灰度和梯度信息,比较网格间的灰度和梯度信息;在提升辨别能力的同时,继承二进制描述子运行速度快和低存储的特点,最后在均匀化ORB特征点和LBD描述子的基础上对图像特征点进行提纯,匹配操作。
实验结果表明,该方法计算的特征点更加均匀,区分度高,速度快,为后续的其他图像算法的应用提供了更加准确的匹配数据。
【总页数】2页(P132-133)
【作者】秦志钢
【作者单位】合肥工业大学
【正文语种】中文
【中图分类】TP391.41
【相关文献】
1.一种基于四叉树的改进的ORB特征提取算法
2.改进ORB特征提取与匹配算法研究
3.一种改进ORB特征描述子图像匹配算法
4.一种改进ORB特征匹配的半稠密三维重建ORB-SLAM算法
5.一种均匀抗噪自适应的ORB特征提取算法
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ncc P,T
i I xi I I T xi I
i I xi I 2 i I T xi I 2
, p q | q 1, 2, , N
I T x a bI x x p
智能系统与网络智能实验室
4.基于Self- Similarity的弱纹理
特征点提取与匹配算法
特征半径选取机制
在不同情况下得到不同的对称性检测图与图像中每点实际的对称性和区域半径 有关，所以，我们对不同的点采用不同的半径进行检测， 因此，我们提出一 种机制，为图像中的每个点自动的选择区域半径。 我们所要达到的目标是： (i). 为每个点选取最优的半径来表达该点的对称性信息。 (ii). 根据半径的选取，得到最佳对称性点的位置。特别的，对一些弱纹理性较 强的点，尽可能选取大的半径，而对一些弱纹理性较小的点，则选取小的半径 ，并保证弱纹理性强的特征点被选出。 (iii).且该机制必须能够随着特征点的不同，而采用变化的区域半径。
在Meanshif的启发下，设计了一种窗口自适应的特征描述子，该特征描述子可 通过特征点周围的纹理信息自适应的调整窗口大小，并将其应用于宽基线情 况的图像深度信息获取中。
智能系统与网络智能实验室
2. 研究内容和创新点
创新点
特征点提取阶段：基于Self- Similarity设计了一种弱纹理特征点提取方法，
智能系统与网络智能实验室
1. 研究背景及意义
研究背景
数字测量
三维重建 立体像识别
图像跟踪
非接触
可通过非接触的方式获得可靠精准的量测 信息，并具有通过二维图像感知三维环境 信息的能力，包括形状、位置、姿态、运 动等。
鲁棒性 强
对不同视角下所拍摄的二维图像，能够采 集到同名特征，便于后续的三维重建及图 像或视频分析技术的应用，对遮挡、背景 模糊、光照变化等情况具有较高的鲁棒性 ，
提出了基于尺度空间的半径自适应机制；特征点匹配阶段: 提出了基于稀 疏表示理论的特征点匹配方法。 根据弱纹理区域的特征提出一种纹理添加算法，在传统纹理合成算法的基 础上提出一种适用于特征点提取的纹理合成算法，根据图像对之间的关系 计算出相应的仿射变换，提出了一种基于Graph Cut 算法的特征点匹配调整 算法。
根据弱纹理区域的性质，设计一种基于纹理合成的仿射变换方法，用于增加
弱纹理区域的纹理信息，并使之用于特征点提取 扩展了经典特征点提取与匹配算法在弱纹理区域无法提取到特征的缺陷，在图 像对应信息不变的情况下，采用纹理合成方法增加了弱纹理区域的纹理信息， 并将其应用于特征点提取方法中。
设计在宽基线情况下的图像深度信息获取方法
应用 领域
在目前的计算机视觉研究领域中，该方法 作为后续应用的基础，已成为研究领域的 核心之一，具有广阔的应用空间。
智能系统与网络智能实验室
1. 研究背景及意义
研究意义
基于宽基线下的特征点提取及匹配方法，扩展了经典算法的应用领 域，加强了传统方法在稠密匹配，图像深度获取等应用领域的适用 范围。 弥补了传统特征点提取算法在图像的弱纹理区域中无法提取特征点的 使其能在纹理较弱的区域提取到足够多的特征点。
研究内容
构造一种弱纹理特征点提取方法 设计一种适用于弱纹理区域的特征点匹配方法 将所提出的方法用于稠密匹配中
智能系统与网络智能实验室
4.基于Self- Similarity的弱纹理
特征点提取与匹配算法
研究方法与实现
弱纹理区域对称性检测
弱纹理特征点性质：即，在该点的某个领域内不存在角点，边界以及
智能系统与网络智能实验室
3.特征点提取与匹配技术综述
特征点提取与匹配系统
图2. 特征点提取与匹配步骤
智能系统与网络智能实验室
4.基于Self- Similarity的弱纹理
特征点提取与匹配算法
研究目标与内容
研究目标
-- 克服传统方法在弱纹理区域中无法检测到特征点的缺陷， 构造一种能够在该区域中检测到稳定特征点的方法。
增加了稠密匹配算法中匹配点的数目，并增强了其在实际应用中的 准确性。
扩展了立体匹配方法的应用领域，使其可在宽基线情况下获取图像的 深度信息。
智能系统与网络智能实验室
2. 研究内容和创新点
研究内容
分析了弱纹理区域的性质，并据此实现了弱纹理区域的特征 点提取与匹配
分析了二维图像中，弱纹理区域的性质，并据此设计了一种基于自相似性算子的特征 点提取方法，同时，根据稀疏表示理论设计了一种适用于弱纹理特征点的匹配方法。
4.基于Self- Similarity的弱纹理
特征点提取与匹配算法
弱纹理区域示意图
传统特征点检测算法效果
Harris
SIFT
智能系统与网络智能实验室
4.基于Self- I T x abI x xp Similarity的弱纹理
特征点提取与匹配算法
对称性算子
弱纹理区域具有较强的对称性，且具有较强的各向同性。采用如下所示 的对称性算子来衡量区域的对称性强度。
局部极值点等显著的纹理特征，令 I x, y 表示图像中某个点的灰度值
，则在弱纹理区域中，该点的灰度值具有以下特征：
I x , I y , I xx , I yy , I xy , I yx 0
因此，用传统的Hessian, Harris等特征检测算子无法提取该部分点 的特征。
智能系统与网络智能实验室
基于MeanShift算法提出了窗口自适应的特征点描述子方法，在宽基线的图
像深度信息获取中，提出了一种基于Graph Cut算法的视差图获取机制。
智能系统与网络智能实验室
3. 特征点提取与匹配技术综述
特征点提取与匹配综述
应用领域
三维重构 图像识别 视频跟踪 数字测量 深度感知
国内外研究现状
基于宽基线的弱纹理特征点提取与匹配方法研究
基于宽基线的弱纹理特征点提取与匹配方法研究
主要内容
1. 研究背景及意义 2. 研究内容和创新点 3. 特征点提取与匹配技术综述 4. 基于自相似算子的特征点提取方法 5. 基于纹理合成的弱纹理区域特征点提取方法 6. 基于Meanshift的特征描述子构造方法 7. 总结与展望 8. 攻读博士学位期间的成果
Harris
Harris-Laplace
特征点提取
Harris-Affine Hessian-Affine
SIFT(具有特征描述子) 特
征 点
SURF(具有特征描述子)
提
取
与
匹
配
方
法
特征点匹配 欧式距离
图1. 特征点提取与匹配方法分类 智能系统与网络智能实验室
3.特征点提取与匹配技术综述
面临挑战 当两幅图像存在变化时，得到稳定的不变特征点。 在图像对之间得到尽可能多的特征点。 在弱纹理区域得到稳定的特征点。