红外图像特点及识别方法 |
您所在的位置:网站首页 › 成像具有哪些特点 › 红外图像特点及识别方法 |
红外图像成像特点:
由于红外图像是通过“测量”物体向外辐射的热量而获得的,故与可将光图像相比: 分辨率差对比度低信噪比低视觉效果模糊灰度分布与目标反射特征无线性关系 局部不变特征目前绝大多数景物匹配算法提取的都是全局不变特征,它能很好解决同一目标的一致性判决问题,但很难消除图像的成像畸变。当图像之间的成像畸变很复杂时,利用全局信息进行匹配非常困难,特别是存在局部遮挡时,全图特征会随之变化。 基于以上特点,红外图像的匹配识别与跟踪一般都是基于特征的方法,一般都是采用局部不变特征来对红外图像进行处理识别。 局部特征提取,即,将图像整体分割成若干个组成部分,对每一部分提取全局特征。此处的分割并不是我们直观认为的分割,理想情况下,人们总希望局部特征对应客观世界的物体的一部分,但是这是不现实的,往往需要借助图像处理技术对高层场景进行理解。 局部稳定特征有: 角点特征边缘特征直线特征纹理特征基于以上特征构建的特征 特征提取步骤: 局部不变特征检测:检测特征的位置————检测子算法局部不变特征描述:定量化数据描述方法——描述子算法 不变特征检测算法 角点检测算子 HarrisSUSANCSSFAST(features from accelerated segment test) 等斑点检测算子 DoG(高斯差分算子)Multi-Scale HarrisSIFTSURF等区域检测子 Salient RegionEBRIBRMSERHessian-AffineHarrise-Affine等 特征描述算子特征描述算子是一种图像局部结构特征的定量化数据描述,它应该能充分反应特征点附近图像的形状和纹理结构特性。 一个理想的特征描述子应该具有以下特征: 鲁棒性:仿射变换/密度变换/噪声干扰下具有稳定工作的能力独特性:局部结构发生变化时,具有捕获和反应这一变化的能力匹配速度:相似性比较时的运算速度,特征空间维数越高,速度越差描述子分类: 基于图像梯度分布(SIFT)基于空间频率 基于微分和不变矩参考:http://blog.csdn.net/horseinch/article/details/51819448 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |