基于梯度角度的直方图局部特征描述子的图像匹配算法

针对传统的局部特征描述子在图像匹配效果和效率上很难兼顾的问题,提出了一种基于梯度角度的直方图(HGA)的图像匹配算法。该算法先通过加速片段测试特征(FAST)获取的图像关键点,然后采用块梯度计算和飞镖靶型结构对局部区域的结构特征进行描述。HGA有效地实现了在旋转、模糊、亮度等多种变换下的良好匹配性能,并在一定程度上具备抗仿射变换的能力。在各种复杂场景下,与高速鲁棒描述子(SURF)、尺度不变特征转换(SIFT)和FAST定向的抗旋转二进制鲁棒独立基元特征(BRIEF)描述子(ORB)进行的实验对比表明基于梯度角度的直方图局部特征描述子达到了匹配效果和效率的均衡,算法时间约为SIFT的1/3,点对匹配准确率均在94.5%以上。

视角和旋转角变化时梯度方向直方图的转换

使用梯度方向直方图(HOG)来检测目标,需要大量的,有代表性的样本来训练分类器.一个目标的HOG,其特征在不同的摄像机视角和不同的光轴旋转角下,并不相同.因此,使用不同视角下的混合样本集来训练分类器时,目标检测的准确率受到样本噪声的影响将会降低.基于摄像机成像的基本原理,提出了一种转换算法,可以把一个样本在某个视角下的HOG特征转换成另一个视角下的HOG特征.这样既降低了分类器训练时需要采集的正负样本数量,又提高了支持向量机(SVM)分类的准确性,从而提高了目标检测的准确性.大量目标检测实验结果表明本文提出的算法是有效的.

基于梯度方向直方图的干枯植物与裸土偏振光谱识别研究

从地物光谱图像识别的关键问题出发将改进的梯度方向直方图(光谱梯度方向直方图)与“光谱总反射率”应用到偏振光谱识别研究中实现了对 5 种干枯植物与 3 种裸土的识别.在研究中先联合光谱梯度方向直方图特征向量的模与光谱总反射率进行层次聚类分析可以识别 6 种研究对象再单独利用光谱梯度方向直方图特征的模进行层次聚类分析识别其余 2 种研究对象从而可以实现全部研究对象偏振光谱识别.