資源描述：
《基于旋轉(zhuǎn)不變HOG特征的圖像匹配算法》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、基于旋轉(zhuǎn)不變HOG特征的圖像匹配算法湯彪，左崢嶸，李明（華中科技大學(xué)圖像識(shí)別與人工智能研究所，武漢430074）5摘要：圖像匹配是目標(biāo)檢測(cè)問題中的一個(gè)非常重要的組成部分，HOG(HistogramofOrientedGradient)特征因?yàn)槟軌驅(qū)D像局部的幾何和光學(xué)變化保持很好的不變性，在圖像匹配領(lǐng)域也得到了應(yīng)用。但是HOG特征并不能保證對(duì)旋轉(zhuǎn)不變，在實(shí)際使用中存在著一些局限性。本文提出了一種方法來改進(jìn)HOG特征，使得HOG特征能夠保證對(duì)旋轉(zhuǎn)不變。本文主要通過改進(jìn)HOG特征中圖像的劃分方式和梯度方向直方圖來得到旋轉(zhuǎn)不變的HOG特征。本文提出使用
2、一10種新的圖像劃分方式，將圖像劃分成一些圓環(huán)區(qū)域代替?zhèn)鹘y(tǒng)HOG特征的方形區(qū)域劃分方式，同時(shí)本文提出對(duì)梯度進(jìn)行RGT(RadialGradientTransform)變換，利用變換后的梯度統(tǒng)計(jì)直方圖信息以獲得旋轉(zhuǎn)不變的直方圖信息。最后文章研究了相關(guān)參數(shù)的選擇問題，以獲得最優(yōu)的匹配效果。實(shí)驗(yàn)結(jié)果表明，本文提出的改進(jìn)的HOG特征在能夠在保證圖像匹配準(zhǔn)確率的情況下也保證了旋轉(zhuǎn)不變性，同時(shí)本文的特征在實(shí)時(shí)性上也優(yōu)于傳統(tǒng)的HOG特征。15關(guān)鍵詞：圖像匹配；梯度方向直方圖（HOG）；RGT(RadialGradientTransform)變換中圖分類號(hào)：TN
3、911.73ARotation-InvariantHistogramofOrientedGradientforImageMatching20TANGBiao,ZUOZhengrong,LIMing(InstituteforPatternRecognitionandartificialIntelligence,HuazhongUniversityofscienceandtechnology,WuHan430074)Abstract:Imagematchingisanessentialissueinobjectdetectionproblem.Bei
4、nginvarianttolocalgeometricandphotometrictransformations,HistogramofOrientedGradient(HOG)25descriptorperformsverywellinmostcasesofimagematching.However,itsperformanceisnotsatisfyingwhenfacingimageswithrotationvariation.OurpaperimprovesHOGdesriptortoenhanceitsrotation-invarian
5、tability.Insteadofrectanglesub-regionsintheorinialHOGdescripor,wesubdividetheimageintoannularspatialbinstoachievespatialbinninginvariant.Besides,weapplyRadialGradientTransform(RGT)toachievegradientbinninginvariant.Thenumbersof30gradientbinsandannularbinshavedeepinfluenceonthe
6、performanceofourproposedalgorithm.ExperimentsshowsthatourmethodourperformstheoriginalHOGinrotation-invariant.Keywords:Imagematching;HistogramofOrientedGradient(HOG);RadialGradientTransform(RGT)350引言圖像匹配是解決許多計(jì)算機(jī)視覺問題中的一個(gè)非常重要的步驟。根據(jù)所利用信息的不同，解決圖像匹配問題的方法主要分為兩大類：基于圖像灰度信息和基于特征的圖像匹配方法
7、。基于圖像灰度信息的圖像匹配方法首先需要逐點(diǎn)提取待匹配灰度圖像的子區(qū)域（子區(qū)域40與模板圖像大小相等），通過某種相似性度量方法直接計(jì)算子區(qū)域與模板圖像之間的相似度，以相似度最高的位置作為匹配位置。常用的相似性度量方式有，平均絕對(duì)差值法（Meanof[1]AbsoluteDifference）、歸一化互相關(guān)積法（NormalCrossCorrelation）。這種方法在低信噪比的情況下也能取得不錯(cuò)的匹配效果，但是當(dāng)兩幅圖像之間存在角度和光照變化時(shí)，容易出現(xiàn)匹配精度下降甚至誤匹配的情況。作者簡(jiǎn)介：湯彪，（1988-），男，碩士研究生，主要研究方向：目
8、標(biāo)檢測(cè)與跟蹤，圖像特征提取。通信聯(lián)系人：左崢嶸，男，副教授，主要研究方向?yàn)閿?shù)字圖像處理，目標(biāo)跟蹤與圖像匹配。E-mail:zhrzuo@
