結合sift和bp網絡進行物體識別的方法
2023-04-25 13:43:01
結合sift和bp網絡進行物體識別的方法
【專利摘要】結合SIFT和BP網絡進行物體識別的方法,首先提取標準圖像和待識別圖像的SIFT特徵,然後將標準圖像的SIFT特徵輸入BP網絡進行訓練,並保存該網絡,最後將待識別圖像的SIFT特徵輸入到該網絡中進行分類識別,提高了識別率。
【專利說明】結合SIFT和BP網絡進行物體識別的方法
【技術領域】
[0001]本發明涉及物體識別,尤其涉及一種結合SIFT和BP網絡進行物體識別的方法。【背景技術】
[0002]物體識別是模式識別領域和計算機視覺領域中的一個重要研究方向,被廣泛地應用於工業檢測、醫學分析、機器人抓取工件、自動導航、自動檢測等方面。目前大量的研究人員和學者投入了大量的人力物力進行該研究,並提出多種理論和方法。一般來說,物體識別方法可分為兩類:基於全局特徵的物體識別方法和基於局部特徵的物體識別方法。前者提取物體的全局特徵,然後結合主成分分析、支持向量機、隱馬爾可夫模型等方法進行識別。此類方法可成功識別部分遮擋物體和帶噪聲的圖像,但是不能準確識別發生旋轉變化的物體,當遮擋區域增加時識別率也會明顯下降。
【發明內容】
[0003]為解決上述技術問題,採用SIFT和BP (Back Propagation)網絡相結合的方法進行物體識別。首先提取標準圖像和待識別圖像的SIFT特徵,然後將標準圖像的SIFT特徵輸入BP網絡進行訓練,並保存該網絡,最後將待識別圖像的SIFT特徵輸入到該網絡中進行分類識別,提高了識別率。
[0004]為實現上述技術目的,本發明所採用的技術方案是:結合SIFT和BP網絡進行物體識別的方法,其特徵在於:
I)建立DOG金字塔;對圖像進行不同解析度的採樣,並在相鄰尺度空間建立金字塔,金字塔結構採用不同的高斯函數進行濾波,將相鄰的高斯濾波相減構成高斯差分金字塔。
[0005]2)檢測極值點;在DOG空間,比較每個點與其相鄰尺度的相鄰點,看該點是否都小於或者都大於其同尺度的8個鄰點和上下相鄰該尺度的各9個鄰點,這樣可保證該點在該尺度和二維空間均為極值點。通過該方法獲得的特徵點稱為候選特徵點。
[0006]3)特徵點的確定;獲取候選特徵點後,對其進行穩定性檢測,去除對噪聲敏感的低對比度點和不穩定的邊緣響應點,通過穩定性檢測的點稱為SIFT特徵點。
[0007]4)確定每個特徵點的方向參數;利用梯度直方圖確定特徵點的主方向,在以特徵點為中心的鄰域內,用直方圖計算鄰域像素的梯度方向,梯度方向直方圖的峰值表示該特徵點鄰域梯度的主方向,也就是該特徵點的主方向,點(x,y)的梯度模值與方向可定義為
【權利要求】
1.結合SIFT和BP網絡進行物體識別的方法,其特徵在於: 1)建立DOG金字塔;對圖像進行不同解析度的採樣,並在相鄰尺度空間建立金字塔,金字塔結構採用不同的高斯函數進行濾波,將相鄰的高斯濾波相減構成高斯差分金字塔; 2)檢測極值點;在DOG空間,比較每個點與其相鄰尺度的相鄰點,看該點是否都小於或者都大於其同尺度的8個鄰點和上下相鄰該尺度的各9個鄰點,這樣可保證該點在該尺度和二維空間均為極值點。
2.通過該方法獲得的特徵點稱為候選特徵點; 3)特徵點的確定;獲取候選特徵點後,對其進行穩定性檢測,去除對噪聲敏感的低對比度點和不穩定的邊緣響應點,通過穩定性檢測的點稱為SIFT特徵點; 4)確定每個特徵點的方向參數;利用梯度直方圖確定特徵點的主方向,在以特徵點為中心的鄰域內,用直方圖計算鄰域像素的梯度方向,梯度方向直方圖的峰值表示該特徵點鄰域梯度的主方向,也就是該特徵點的主方向,點U,y)的梯度模值與方向可定義為
3.然後在該子區域上計算
【文檔編號】G06K9/62GK104008400SQ201410265752
【公開日】2014年8月27日 申請日期:2014年6月16日 優先權日:2014年6月16日
【發明者】張蕾, 劉森, 劉中華, 張茉莉, 黃濤, 普傑信, 胡良文 申請人:河南科技大學