论文研究-基于旋转不变HOG特征的图像匹配算法 .pdf
需积分: 35 144 浏览量
2019-08-24
09:53:58
上传
评论 2
收藏 378KB PDF 举报
http://www.paper.edu.cn
- 1 -
中国科技论文在线
基于旋转不变 HOG 特征的图像匹配算法
汤彪，左峥嵘，李明
作者简介：汤彪，（1988-），男，硕士研究生，主要研究方向：目标检测与跟踪，图像特征提取。
通信联系人：左峥嵘，男，副教授，主要研究方向为数字图像处理，目标跟踪与图像匹配。E-mail:
zhrzuo@mail.hust.edu.cn
（华中科技大学图像识别与人工智能研究所，武汉 430074）
摘要：图像匹配是目标检测问题中的一个非常重要的组成部分，HOG(Histogram of Oriented 5
Gradient)特征因为能够对图像局部的几何和光学变化保持很好的不变性，在图像匹配领域
也得到了应用。但是 HOG 特征并不能保证对旋转不变，在实际使用中存在着一些局限性。本
文提出了一种方法来改进 HOG 特征，使得 HOG 特征能够保证对旋转不变。本文主要通过改进
HOG 特征中图像的划分方式和梯度方向直方图来得到旋转不变的 HOG 特征。本文提出使用一
种新的图像划分方式，将图像划分成一些圆环区域代替传统 HOG 特征的方形区域划分方式，10
同时本文提出对梯度进行 RGT(Radial Gradient Transform)变换，利用变换后的梯度统计
直方图信息以获得旋转不变的直方图信息。最后文章研究了相关参数的选择问题，以获得最
优的匹配效果。实验结果表明，本文提出的改进的 HOG 特征在能够在保证图像匹配准确率的
情况下也保证了旋转不变性，同时本文的特征在实时性上也优于传统的 HOG 特征。
关键词：图像匹配；梯度方向直方图（HOG）；RGT(Radial Gradient Transform)变换 15
中图分类号：TN911.73
A Rotation-Invariant Histogram of Oriented Gradient for
Image Matching
TANG Biao, ZUO Zhengrong, LI Ming 20
(Institute for Pattern Recognition and artificial Intelligence, Huazhong University of science and
technology, WuHan 430074)
Abstract: Image matching is an essential issue in object detection problem. Being invariant to
local geometric and photometric transformations, Histogram of Oriented Gradient(HOG)
descriptor performs very well in most cases of image matching. However, its performance is not 25
satisfying when facing images with rotation variation. Our paper improves HOG desriptor to
enhance its rotation-invariant ability. Instead of rectangle sub-regions in the orinial HOG descripor,
we subdivide the image into annular spatial bins to achieve spatial binning invariant. Besides, we
apply Radial Gradient Transform (RGT) to achieve gradient binning invariant. The numbers of
gradient bins and annular bins have deep influence on the performance of our proposed algorithm. 30
Experiments shows that our method ourperforms the original HOG in rotation-invariant.
Keywords:
Image matching; Histogram of Oriented Gradient(HOG); Radial Gradient Transform
(RGT)
0 引言 35
图像匹配是解决许多计算机视觉问题中的一个非常重要的步骤。根据所利用信息的不
同，解决图像匹配问题的方法主要分为两大类：基于图像灰度信息和基于特征的图像匹配方
法。
基于图像灰度信息的图像匹配方法首先需要逐点提取待匹配灰度图像的子区域（子区域
与模板图像大小相等），通过某种相似性度量方法直接计算子区域与模板图像之间的相似度，40
以相似度最高的位置作为匹配位置。常用的相似性度量方式有，平均绝对差值法（Mean of
Absolute Difference）、归一化互相关积法（Normal Cross Correlation）
[1]
。这种方法在低信
噪比的情况下也能取得不错的匹配效果，但是当两幅图像之间存在角度和光照变化时，容易
出现匹配精度下降甚至误匹配的情况。
资源评论
