基于多尺度各向异性方向导数核的图象角点检测和分类理论与方法

Using the multiscale anisotropic Gaussian directional derivative kernels as the tool, this project systemically investigates the corner detection and classification theory, methods,and algorithms of grayscale and vector -valued images.First,study the structure and properties of multiscale anisotropic Gaussian kernels and directional derivative kernels, establish the anisotropic directional derivative representations of various corners, and analyze the noise robustness of the representations, their invariant features in geometric transforms, and their resolution to corner types. Second, combining the Harris and curvature scale space corner detection ideas with the multiscale anisotropic directional derivative representations of corners, develop corner detection methods of grayscale images. Exploiting the robust features of the representations, establish the framework of corner classification of grayscale images and propose efficient classification methods and algorithms.Third,introduing the concept of multiscale morphological directional derivatives of vector-valued images,develop new vector -value methods to detect and classify corners in color images. Research the adaptive local color transformation of color images, extract the principal component of color changes of the image, and apply the corner detection and classification methods for grayscale images to the principal component image to develop fast and efficient corner detection and classifiaction methods of color images. Finally, through the project,establish the corner detection and classification theory and methods using the multiscale ansotropic directional derivative representations.

利用多尺度各向异性高斯方向导数核为工具，本项目研究灰度和向量值图像角点检测与分类理论、方法、算法。首先，研究多尺度各向异性高斯核与方向导数核的结构和性质；建立各种类型角点的多尺度各向异性方向导数表征；分析表征的噪声稳健性、几何变换的不变特征、以及角点分辨率。其次，把Harris和曲率尺度空间检测思想与角点的多尺度各向异性方向导数表征相结合，研究灰度图像的角点检测方法和算法。挖掘表征的稳健特征，建立灰度图像角点分类的框架并提出分类方法和算法。第三，引入向量值图像的多尺度形态学方向导数表征并提出角点检测与分类的向量值方法。研究彩色图像的自适应局部彩色变换技术，抽取向量值图像的彩色变化主分量图像，并应用灰度值图像的检测和分类方法到主分量图像得到快速有效的彩色图像角点检测与分类方法。最终，通过本项目的研究，建立基于多尺度各向异性方向导数表征的图像角点检测分类理论、方法和算法。

多方向多尺度的各向异性导数滤波器在图像特征检测方面应用广泛，因此，高性能的导数滤波器的设计及应用一直是图像表征及图像分析中的研究热点。本项目研究了二维空域方向导数滤波器的构建，包括光学图像中的ANDD滤波器和SAR图像中矩形双窗比率滤波器。并对ANDD滤波器在图像角点及边缘的表征及检测进行深入的研究，同时对矩形双窗比率滤波器在SAR边缘强度提取及SAR图像分割算法进行了研究。提出了多个高效的角点、边缘及SAR图像分割算法。主要研究成果包括：1）根据各向异性高斯方向导数滤波器对图像角点特征的精确表征及边缘轮廓上角点及附近ANDD表征的差异性，设计并提出了6中高效的噪声鲁棒角点检测器；2)根据局部微分相关矩阵来自适应构建适合不同类型特征的ANDD滤波器，以提取精细的多方向强度变化信息，提出形状自适应的噪声鲁棒边缘检测算法；将ANDD滤波器应用到彩色图像边缘检测中，结合彩色图像的ANDD矩阵和SVD分解，提出噪声鲁棒的高分辨彩色边缘检测器；3)利用多方向矩形双窗比率滤波器提取精确的SAR图像边缘强度图，并结合最短距离描述长度准则和设计高效的相似性度量，提出了5种性能优越的SAR图像分割算法。在国际模式识别及地球遥感信号处理等重要期刊上发表学术论文4篇。

内容获取失败，请点击重试