一種魯棒的圖像局部特征區(qū)域的描述方法

1、 6期 曾慧等: 一種魯棒的圖像局部特征區(qū)域的描述方法 663 (a Bikes (模糊變換 (a Bikes (blur changes (b Trees (模糊變換 (b Trees (blur changes (c Wall (視角變換 (c Wall (viewpoint changes (d Gratti (視角變換 (d Gratti (viewpoint changes (e Bark (尺度 + 旋轉變換 (e Bark (scale + rotation changes (f Boat (尺度 + 旋轉變換 (f Boat (scale + rotation changes

2、(g Leuven (光照變換 (g Leuven (illumination changes (h Ubc (JPEG 壓縮變換 (h Ubc (JPEG compression 圖3 Fig. 3 測試圖像對的運行結果 The performances of the testing image pairs 行了如第 3 節(jié)所述的規(guī)范化處理, 對規(guī)范化局部特 征區(qū)域構造的描述子均具有尺度和旋轉不變性, 所 以匹配算法對圖像的尺度變換和旋轉變換均表現(xiàn)出 良好的性能. 表2 Table 2 4 種描述子的平均計算時間比較 four kinds of descriptors 描述子 平均計算時間

3、(s Comparison of the average running time of the SIFT 0.0068 CS-LBP 0.0041 ICS-LTP 0.0047 IWCS-LTP 0.0049 4.2 圖像檢索實驗 本文使用從網絡下載的小型圖像庫進行圖像檢 索實驗20 . 該數(shù)據庫由 10 個不同種類的圖像子集 組成, 每個圖像子集包含從不同視角拍攝的 3 幅圖 像, 共 30 幅圖像. 在實驗中, 每次選擇 1 幅圖像作為 查詢圖像, 剩余的圖像作為數(shù)據庫圖像, 共進行 30 次查詢. 給定查詢圖像與數(shù)據庫圖像, 首先檢測兩幅 圖像的 Hessian-Ane 局部特征區(qū)域,

4、 并計算每個 特征區(qū)域的描述子. 然后, 使用 4.1 節(jié)所述的圖像 匹配方法計算查詢圖像與數(shù)據庫圖像的匹配點個數(shù), 這里最近鄰與次近鄰距離之比的閾值取為 0.6. 最 后, 將匹配點個數(shù)作為圖像之間的相似性度量, 尋找 與查詢圖像最相近的前 3 幅圖像作為檢索結果. 本文使用文獻 5 所述的方法來計算正確檢索 率. 設置檢索分數(shù)的初始值為 0. 對于每次查詢, 如 果與查詢圖像最相近的前 3 幅圖像中包含 2 幅與查 詢圖像類別相同的圖像, 則檢索分數(shù)增加 2. 如果與 查詢圖像最相近的前 3 幅圖像中僅包含 1 幅與查詢 圖像類別相同的圖像, 則檢索分數(shù)增加 1. 否則, 檢 索分數(shù)保持不

5、變. 正確檢索率可由檢索分數(shù)除以總 的正確匹配圖像數(shù)獲得. 在本實驗中, 總的正確匹配 圖像數(shù)為 60. 分別使用 SIFT 描述子、CS-LBP 描 述子、ICS-LTP 描述子及 IWCS-LTP 描述子進行 圖像檢索實驗, 所得到的正確檢索率如表 3 所示. 由 表 3 可以看出, 使用 ICS-LTP 描述子和 CS-LBP 描 述子進行圖像檢索的正確檢索率均高于 SIFT 描述 子, 使用 IWCS-LTP 描述子的檢索效果最好. 因此, 與其他三種描述子相比, 本文提出的 IWCS-LTP 描 述子對局部圖像區(qū)域具有更好的描述能力. 表3 分別使用四種描述子進行圖像檢索的正確檢索率

6、比較 Comparison of the correct retrieval rate using the four kinds of descriptors 描述子 正確檢索率 (% Table 3 SIFT 53.33 CS-LBP 61.67 ICS-LTP 66.67 IWCS-LTP 68.33 5 結論 本文提出了一種魯棒的圖像局部特征區(qū)域描述 子的構造方法, 并將其應用到圖像匹配中. 該方法將 SIFT 描述子和 LBP 算子的優(yōu)勢相結合, 充分利用 了圖像空間梯度的分布信息和像素灰度序信息, 對 664 自 動 化 學 報 37 卷 圖像局部特征區(qū)域進行類似于 SIFT 描述子

7、的分塊 處理, 并將 SIFT 描述子的梯度特征用 ICS-LTP 算 子進行代替. 與已有的用 CS-LBP 算子代替梯度特 征相比, ICS-LTP 算子可以在不大量增加描述子維 數(shù)的同時包含更多梯度方向的信息. 此外, 本文還 提出加權紋理譜直方圖計算方法, 并給出了 IWCSLTP 描述子的構造方法. 實驗結果表明, 與 SIFT 描述子和 CS-LBP 描述子相比, 該描述子對圖像幾 何形變、 光照變換等具有更好的魯棒性, 且其計算時 間與 SIFT 描述子相比明顯縮短, 具有一定的實際 應用價值. 11451150 (徐劍, 丁曉青, 王生進, 吳佑壽. 一種融合局部紋理和顏色信息

8、的背 景減除方法. 自動化學報, 2009, 35(9: 11451150 13 Huang D, Ardabilian M, Wang Y H, Chen L M. Asymmetric 3D/2D face recognition based on LBP facial representation and canonical correlation analysis. In: Proceedings of the 16th International Conference on Image Procesing. Cairo, Egypt: IEEE, 2009. 33253328 14

9、Guo Z H, Zhang L, Zhang D, Mou X Q. Hierarchical multiscale LBP for face and palmprint recognition. In: Proceedings of the 16th International Conference on Image Procesing. IEEE, Hong Kong, China: IEEE, 2010. 45214524 15 Guo Z H, Zhang L, Zhang D. A completed modeling of local binary pattern operato

10、r for texture classication. IEEE Transactions on Image Processing, 2010, 19(6: 16571663 16 Heikkil¨ a M, Pietik¨ ainen M, Schmid C. Description of interest regions with local binary patterns. Pattern Recognition, 2009, 42(3: 425436 17 Tan X Y, Triggs B. Enhanced local texture feature sets

11、for face recognition under dicult lighting conditions. IEEE Transactions on Image Processing, 2010, 19(6: 16351650 18 Mikolajczyk K, Schmid C. Scale and ane invariant interest point detectors. International Journal of Computer Vision, 2004, 60(1: 6386 19 Mikolajczyk K, Tuytelaars T, Schmid C, Zisser

12、man A, Matas J, Schaalitzky F, Kadir T, Gool L V. A comparison of ane region detectors. International Journal of Computer Vision, 2005, 65(1-2: 4372 20 Image Dataset Online, available: / yke/pcasift/, April 10, 2011 References 1 Li J, Allinson N M. A comprehensive review of curre

13、nt local features for computer vision. Neurocomputing, 2008, 71(10 12: 17711787 2 Chen Er-Xue, Li Zeng-Yuan, Tian Xin, Li Shi-Ming. Application of scale invariant feature transformation to SAR imagery registration. Acta Automatica Sinica, 2008, 34(8: 861868 (陳爾學, 李增元, 田昕, 李世明. 尺度不變特征變換法在 SAR 影像 匹配中的

14、應用. 自動化學報, 2008, 34(8: 861868 3 Zhuang Yan, Chen Dong, Wang Wei, Han Jian-Da, Wang Yue-Chao. Status and development of natural scene understanding for vision-based outdoor mobile robot. Acta Automatica Sinica, 2010, 36(1: 111 (莊嚴, 陳東, 王偉, 韓建達, 王越超. 移動機器人基于視覺室外自然 場景理解的研究與進展. 自動化學報, 2010, 36(1: 111 4

15、Lin Hai-Feng, Ma Yu-Feng, Song Tao. Research on object tracking algorithm based on SIFT. Acta Automatica Sinica, 2010, 36(8: 12041208 (藺海峰, 馬宇峰, 宋濤. 基于 SIFT 特征目標跟蹤算法研究. 自動化 學報, 2010, 36(8: 12041208 5 Lowe D G. Distinctive image features from scale-invariant keypoints. International Journal of Comput

16、er Vision, 2004, 60(2: 91110 6 Yan K, Sukthankar R. PCA-SIFT: a more distinctive representation for local image descriptors. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. Washington D.C., USA: IEEE, 2004. 506513 7 Mikolajczyk K, Schmid C. A performance evaluation

17、 of local descriptors. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, 27(10: 16151630 8 Lazebnik S, Schmid C, Ponce J. A sparse texture representation using local ane regions. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, 27(8: 12651278 9 Bay H, Tuytela

18、ars T, Gool L V. SURF: speeded up robust features. In: Proceedings of the 9th European Conference on Computer Vision. Graz, Austria: Springer, 2006. 404417 10 Ojala T, Pietik¨ ainen M, M¨ aenp¨ a¨ a T. Multiresolution grayscale and rotation invariant texture classication with loc

19、al binary patterns. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(7: 971987 11 Ahonen T, Hadid A, Pietik¨ ainen M. Face description with local binary patterns: application to face recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2006, 28(12: 20372041 12 Xu Jian, Ding Xiao-Qing, Wang Sheng-Jin, Wu You-Shou. Background subtraction based on a combination of local texture and color. Acta Automatica Sinica, 2009, 35(9: 曾 慧 北京科技大學講師. 主要研究