• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文学位 >基于聚类和马氏距离的多角度匹配昆虫图像算法研究
【6h】

基于聚类和马氏距离的多角度匹配昆虫图像算法研究

代理获取
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

图像匹配技术在图像分析、图像处理、图像信息处理等方面一直是重点研究的问题。近年来，随着农林业技术的发展，昆虫识别成为了学者们研究的热点。研究昆虫生态学和昆虫形态学要研究昆虫的形态特征以及昆虫的结构特征，图像分割技术将所要识别的图像与背景分割开来是昆虫图像识别的第一步，图像匹配将分割出来的昆虫图像作为模板，利用图像的特征信息对目标昆虫图像进行筛选得到所要的昆虫图像，是昆虫图像识别的又一重要环节。因此图像匹配在昆虫图像识别中有重要的作用。
　　SURF算法是近年来图像匹配技术研究的热点，SURF算法采用Hessian矩阵近似的方法，并且使用积分图像大大减少了计算时间，是一种具有快速鲁棒特征的图像匹配的描述方法，因此广泛应用于医学图像、遥感图像等的匹配方面。本文重点研究基于SURF算法的昆虫图像匹配算法，针对SURF算法在不同类型昆虫图像匹配中存在的不足进行优化。主要工作和创新点如下：
　　（1）提出了一种基于聚类的SURF昆虫图像匹配算法，该算法结合聚类算法具有检测噪声点的功能，用聚类算法与SURF算法相结合，将特征点中的噪声点剔除，实现去除噪声的功能。
　　（2）提出一种基于马氏距离的多角度昆虫图像匹配算法。基于聚类的SURF算法能够有效的将昆虫图像进行匹配，从而实现图像的识别，但是在实际应用中，由于大部分图像拍摄角度不同，因此多角度图像的匹配成为一大热点，然而SURF算法对于多角度图像匹配效果并不理想。因此，该算法将SURF算法与马氏距离相结合，使匹配算法具有更好的仿射不变性。
　　实验显示，基于聚类的SURF昆虫图像匹配算法无论是在无背景噪声条件下还是在有背景噪声条件下，其匹配准确率都远远高于SURF算法。说明基于聚类的SURF昆虫图像匹配算法在昆虫图像匹配中具有非常好的应用效果。而马氏距离改进的多角度昆虫图像匹配算法改进了传统SURF算法在多角度图像匹配中匹配效率低的问题，使其匹配准确率远远高于SURF算法。说明本文改进算法在多角度昆虫图像匹配中具有非常好的应用效果。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号