论文部分内容阅读
图像特征检测是解决计算机视觉领域很多问题的基础,包括物体或景象识别,多重图像的3D结构复原,立体空间的一致性查找,还有运动跟踪等。图像局部特征检测是图像特征检测中一个重要的组成部分。近年来,因其对图像的模糊,光照,旋转等具有较强的鲁棒性,而备受关注。由于移动平台的限制,PC平台的特征检测算法目前还不能满足移动平台的实时性和鲁棒性要求等。本论文针对移动平台的特点,对现有的一些方法进行了一定的改进,并将改进的方法应用在一个基于iOS平台的移动增强现实系统中,获得了理想的效果。本文的具体工作和主要成果如下:1.提出一种改进的快速SURF图像局部特征检测方法。针对传统的SURF方法不能满足在移动平台上实时处理的问题,提出一种将FAST特征检测与SURF特征描述相结合的方法。首先对原始图像进行平滑和锐化预处理,增强图像中特征点检测的稳定性,再使用FAST方法检测特征点,保证了特征点检测过程的时间效率,最后利用SURF描述符算法对特征点进行描述,保证了特征点的鲁棒性。实验表明,该方法在准确率有小幅降低的情况下,大大提高了算法的时间效率,更好的满足移动平台的实时性要求。2.提出一种具有多尺度的FAST+SURF图像特征检测方法。为了克服经典FAST特征检测方法不具有尺度信息的问题,提出了一种多尺度的FAST特征检测方法,并与SURF特征描述相结合。该方法首先构建图像金字塔,将经典的FAST特征检测方法扩展到尺度空间,接着通过定义特征响应函数来判定特征点强弱,然后通过极值搜索获得带有尺度信息的特征点位置与尺度信息,最后采用SURF对特征点进行描述。实验表明,该算法在时间效率上和鲁棒性上都获得了预期的效果。3.设计并实现了一个基于iOS平台的移动增强现实系统。本系统应用了文中所提出的具有多尺度的FAST+SURF算法进行真实场景与目标物的匹配与跟踪。该系统的实现进一步验证了所提方法的可行性和实用性。