导读:本文包含了局部不变性特征论文开题报告文献综述及选题提纲参考文献，主要关键词:几何不变,异源遥感图像,仿射校正,局部自相似性描述符
局部不变性特征论文文献综述
周微硕,安博文,赵明,潘胜达[1]（2019）在《基于几何不变性和局部相似特征的异源遥感图像配准算法》一文中研究指出针对异源遥感图像在图像配准中的几何形变问题,本文提出了一种基于几何不变性局部相似特征的异源遥感图像配准算法。GISS算法利用加速鲁棒特征算子先对存在几何差异的异源遥感图像进行预匹配,然后根据特征点的方向特征对图像进行旋转仿射校正,最后引用局部相似性描述符并集成相似性度量来考察预匹配点对的相关性,选取其中相似相关性最优的点对实行图像配准。实验结果表明,对于存在几何形变的异源遥感图像,具有较好的配准实现效果,可以有效的解决异源遥感图像之间的几何形变差异问题,具有较好的鲁棒性和配准精度。(本文来源于《红外技术》期刊2019年06期）
申倩[2]（2016）在《彩色图像局部不变性特征描述方法研究》一文中研究指出在计算机视觉和模式识别等领域内,图像特征提取及其定量化地描述可以简化高维的图像信息。而图像特征描述方法,对于刻画图像所具有的本质特征、相似性和差异性、语义等起着关键性作用,对目标识别、图像场景分类、图像检索等领域的研究具有重要的应用价值。一般意义上,特征的描述方法应该具有良好的可区分性和不变性。可区分性是指特征描述方法应该能够很容易地区别不同类别的图像;不变性则是指在图像发生几何形变、光照变化、模糊变化等情况时,特征描述子的性能不受这些变化的影响。然而,在实际研究中,这两种性能往往不能够同时兼顾。因此,一个好的特征描述算子应该是在保持可区分性的基础上,提高算子的不变性。SURF(Speeded-Up Robust Features)特征描述方法通过统计特征点局部区域内像素点的梯度信息来定量化地描述特征点的属性,它能够在一定程度上保持尺度、旋转、光照、亮度以及对比度的不变性。本文将四元数理论和颜色矩特征分别与SURF特征描述算法相结合,应用于研究彩色图像的特征描述方法,主要完成以下工作:(1)针对彩色图像特征描述问题,提出了一种彩色图像SURF特征四元数描述方法。在这一算法中,首先,为了有效地表示彩色图像的色彩信息,将彩色图像中每一个像素点的叁通道颜色信息,利用纯四元数的叁个虚部来表示,整幅彩色图像转化成一个纯四元数矩阵,精简了图像颜色信息的表示过程。其次,通过操作纯四元数矩阵,对彩色图像的叁通道信息同时提取SURF特征,提高了算法的运算效率;利用四元数范数的旋转不变性,生成纯四元数范数形式的特征描述向量。最后通过实验证明,本文算法与SURF算法,FAIR-SURF(Fully Affine Invariant SURF)算法和近年来的一些彩色图像特征描述算法相比,在特征点对正确匹配和时间复杂度方面,具有更优越的性能。(2)基于图像的HSV色彩空间和颜色矩特征,提出了融合颜色矩的彩色图像特征描述算法。首先,转换RGB彩色图像至HSV色彩空间,利用四元数理论表示彩色图像H、S、V分量的颜色信息,并对叁个颜色通道同时提取SURF特征;同时,计算相应特征描述区域在HSV色彩空间下的颜色矩特征。然后,融合图像的SURF特征和颜色矩特征形成最终的特征描述向量。最后,通过实验验证了在图像发生模糊、光照、仿射变化时,本文算法相比SURF算法和近年来的一些彩色图像特征描述算法,在特征点对正确匹配方面更优越,在时间复杂度方面优于其他彩色图像的特征描述算法。(本文来源于《鲁东大学》期刊2016-06-01）
巩家昌[3]（2015）在《基于局部颜色不变性特征的图像复制粘贴篡改取证研究》一文中研究指出随着互联网的快速发展和数字成像设备的普及,数字图像已经成为人们主要的信息来源。数字图像处理技术的发展带来了图像造假的问题,这已严重影响了数字图像作为事件记载的可信度。如何鉴定图像的真实性已成为亟待解决的问题。如今,数字图像取证技术已成为一个新的研究领域,旨在揭示数字图像篡改操作。在数字图像篡改操作中,复制粘贴操作是最为常见的操作之一,并常伴随多种仿射变换,亮度变换及退化操作。现有的图像复制粘贴篡改取证算法仍存在一些缺陷,如对某些篡改操作的鲁棒性较弱,运算复杂度较高或无法识别平滑区域等。值得注意的是,由于颜色特征极易受光照变化的影响而很不稳定,现有的取证算法中很少考虑图像的颜色信息。然而,颜色作为物体最直观的特征之一,能够增强物体的区分力。针对这些问题,本文对局部颜色不变性特征及其在图像复制粘贴篡改取证中的应用进行了研究,主要创新性工作和成果概括如下:提出了基于和基于的篡改取证算法。算法对匹1.提出了基于OpponentSIFT和基于CwSURF的篡改取证算法。算法对匹配的特征描述子进行仿射变换估计并通过随机抽样一致算法去除误匹配。实验结果表明,算法解决了传统的基于局部不变性特征的算法无法识别平滑区域的问题,且对多种仿射变换、亮度变换及退化操作具有一定不变性。2.对图像的几何信息和颜色信息进行融合,提出了一种新的局部颜色不变性描述子OwSURF,并提出了基于OwSURF的图像复制粘贴篡改取证算法。算法使用凝聚层次聚类方法对特征匹配过程进行优化。实验结果表明,算法对多种后处理篡改操作具有较强的鲁棒性,且运算复杂度较低。3.提出了基于局部颜色不变性特征Color-SIFT的图像复制粘贴篡改取证算法。构建了一种提取Color-SIFT的框架,在五种成像假设条件下提取出五种颜色不变量及相应的五种局部颜色不变性特征描述子:Ew SIFT,Ww SIFT,Cw SIFT,Nw SIFT和Hw SIFT。对传统的基于局部不变性特征的取证算法与本文提出的算法进行评估,实验结果表明,Ew SIFT和Ww SIFT对多种后处理篡改操作具有较强的鲁棒性,更适用于实际的图像复制粘贴篡改取证。(本文来源于《天津大学》期刊2015-11-01）
甘洁[4]（2015）在《基于局部不变性特征的无人机影像特征点提取》一文中研究指出针对不同尺度影像特征点提取的问题,提出了基于局部不变性特征的算法。以经典的SIFT特征点检测算法为参照,详细分析了SURF特征点检测算法,并通过实验从特征点提取速度和适应性2个方面对Moravec、Harris、SUSAN、SIFT、SURF等算法进行了比较。结果表明,SURF算法提取影像特征点的速度较快、适应性较强。(本文来源于《地理空间信息》期刊2015年03期）
白刚浩[5]（2015）在《基于视觉注意和局部不变性特征相结合的目标识别技术研究》一文中研究指出目标识别是视觉系统的基本目的。如何从复杂场景中识别目标则是更加重要和困难的问题。局部不变性特征具有尺度和旋转不变性,对视点变化、光线变化以及噪声等仿射畸变都具有较强的鲁棒性,能够完成不同角度下获得的同一目标之间的可靠识别,但它的缺点在于每个局部不变性特征描述子一般选择高维,而且随着图像尺寸增加,描述子数量呈线性增长,因此计算量增大,很难满足目标识别系统的实时性要求。目标识别系统因计算资源有限和对实时性要求较高,要求计算量尽可能少。视觉注意是能解决这种计算资源消耗问题的一个十分有效的工具。人类的视觉注意能快速选择复杂场景下少量与视觉任务相关的信息进行处理,因此将人类视觉注意引入到基于局部不变性特征的目标识别系统具有广阔的应用前景。近几年来,相关研究已经提出了许多基于自底向上视觉注意和局部不变性特征相结合的目标识别方法。不过,现有的基于自底向上视觉注意和局部不变性特征相结合的目标识别方法还无法令人满意,其主要原因是显着图本身的质量不够高,典型的局部不变性特征方法不太适合低分辨率感兴趣区域匹配,视觉注意机制应用方式和方法也还不够成熟。因此,需要寻找更加令人满意的实现方法。本文充分总结和比较了现有的图像显着性检测算法和局部不变性特征方法。在此基础上提出了快速而鲁棒的显着性检测及局部不变性特征方法,并设计了基于视觉注意与局部不变性特征相结合的目标识别方法。本文的主要工作和创新点如下：(1)沿着频域信息和频率调谐的思路,本文提出两种快速而准确的目标区域检测算法,IHFT算法和IMSSS算法。针对HFT算法运行时间慢的缺点,IHFT算法把卷积运算变成点对点相乘运算进行频域信息加速处理；针对MSSS算法显着图融合运算的缺点,IMSSS算法用基于每个特征图熵计算的特征图挑选处理代替叁个颜色特征图的相加运算。这两种算法的理论基础都较单一,对复杂背景下的目标区域检测都有一定的局限性。为了实现IHFT算法的IMSSS算法的优势互补,本文提出一种基于IHFT算法的IMSSS算法的综合算法,从而能够适应更多的复杂场景,提高算法的适应性和检测准确率。(2)沿着BRISK局部不变性特征方法的思路,本文提出一种新颖的对数-螺旋局部不变性特征方法,简称为LOS-K。针对复杂场景下进行感兴趣区域检测之后得到的图像是尺寸小而低分辨率的情况,本文首先设计了一个可以提高低分辨率图像匹配性能的局部不变性特征检测器。跟图像金字塔方法不同,提出的检测器使用对数-螺旋采样模式来估计局部不变性特征的位置、尺度和方向。同时提出一种有效的描述子生成方法。该方法依赖于一种能捕获局部不变性特征周围的更多信息的对数-螺旋采样模式和两种能提高描述子之间的独立性的比特生成函数。实验表明新方法的有效性和鲁棒性。(3)针对复杂场景下的目标识别问题,提出一种基于注意-识别融合模型(Attention-Recognition Fusion Model,简称ARF模型)的目标识别方法。该方法利用局部不变性特征方法来识别由自底向上显着图和自顶向下亲密图相结合方法所获得的感兴趣区域。该方法通过引入自顶向下的注意部件,从而选择感兴趣区域而忽略无意义的杂乱,降低基于局部不变性特征的目标识别的复杂性。对于合成测试图像、自然测试图像以及复杂场景下的交通标志识别问题,本方法在不降低识别率的情况下大大提高了识别速度,平均3倍。(本文来源于《浙江大学》期刊2015-06-10）
吁冬兰[6]（2014）在《基于稀疏局部不变性特征描述运动目标跟踪方法研究》一文中研究指出运动目标跟踪技术是计算机视觉领域重要的研究方向之一,它同时也与图像处理与模式识别等领域相关联。近几年来,运动目标跟踪技术在许多领域都得到了广泛的应用,如军事、医疗以及交通等,对运动目标跟踪技术的研究有重要现实意义,应用前景广阔。本文对运动目标跟踪技术进行了深入研究,在前人研究的基础上,总结了运动目标跟踪技术目前所面临的问题,这些问题主要是：在对摄像机所获得的序列图像中的目标进行跟踪时,普遍存在目标被遮挡或者目标自遮挡、目标发生形变、时间复杂度高等情况。针对这些问题,本文依据已有的研究理论,提出基于稀疏局部不变性特征描述的运动目标跟踪算法。近年来,压缩感知理论的提出为运动目标跟踪给出了新的思路,一些基于压缩感知理论的运动目标跟踪算法提高了跟踪的实时性,但在跟踪过程中,由于目标所在图像存在尺度、旋转、光照等变换,影响了跟踪的稳定性。局部不变特征理论针对图像尺度、旋转、仿射变换等问题,提出一类局部图像不变性特征与描述方法。本文基于稀疏局部不变性特征描述的运动目标跟踪算法在结合压缩感知的同时,引入了图像局部不变特征理论。本文所做的工作主要有以下几点：(1)研究了图像局部特征理论,重点研究了SIFT算法,SIFT算法是局部特征不变性理论中的经典算法,SIFT算法提取的图像特征稳定,具有尺度、选择、旋转和仿射不变性等特性。(2)研究了压缩感知理论,压缩感知理论框架的核心部分是信号的稀疏表示、随机观测矩阵的设计和信号的重构。本文在压缩感知理论的研究基础上,利用随机观测矩阵将SIFT特征向量映射到低维空间中。(3)深入研究了运动目标跟踪算法,总结了现有运动目标算法存在的问题,针对存在的问题提出了基于稀疏局部不变性特征描述的运动目标跟踪算法：将跟踪任务视为分类问题,将降维后的SIFT特征去训练分类器,训练之后的分类器对下一帧目标待检图像。实验结果表明,本文提出的基于稀疏局部不变性特征描述的运动目标跟踪算法在抗遮挡性以及实时性方面具有良好的效果。(本文来源于《昆明理工大学》期刊2014-05-01）
薛振华[7]（2013）在《图像局部不变性特征提取与匹配》一文中研究指出对基于局部不变性特征的图像匹配的叁个关键点——特征点提取、匹配策略的选择、匹配对的提纯，进行了深入分析并提出了一个完整的图像匹配解决方案。首先，在对Harris、Harris-Laplace、Laplace-of-Gaussian叁种特征检测子进行理论分析的基础上，通过仿真实验对它们进行了比较，得出了Laplace-of-Gaussian检测子比其他两个检测子更稳定的结论。然后，通过对两种不同的检测子进行组合，提高了正确匹配对的数量，并且在不同的组合之间进行了比较，证明了在大多数情况下Harris-Laplace与Laplace-of-Gaussian组合比其他组合能得到更多的匹配对。其次，对简单阈值法、最近邻法、最近邻比值法这叁种匹配策略进行了对比，实验表明，在相同错误率的情况下，最近邻比值法的召回率是最高的。在图像匹配的最后一步，把随机样本一致集算法（RANSAC）应用到匹配对的提纯上，在实验中得到的第一类错误率和第二类错误率都在可接受的范围内，证明了该方法在匹配对提纯上的有效性。将对抗性优化方法用于图像匹配中的去除误配，容易将正确匹配对也移除，尤其是在迭代次数较多的时候。针对该缺陷，限制对抗性优化方法的迭代次数，并增加后续处理过程，以类似RANSAC的方法来重新估计单应性矩阵。实验结果表明，改进的方法能保留几乎所有正确匹配，并且具有更小的均方根误差。尤其是在计算速度方面，改进的方法比原方法的计算时间缩短了一半以上。(本文来源于《天津大学》期刊2013-05-01）
郭存山[8]（2013）在《亮度不变性的图像局部特征描述算法研究》一文中研究指出图像局部不变特征是由一些像素点组成的区域,这些像素点的亮度值变化很大,包含的图像信息极其丰富。局部不变特征的提取及描述是图像分析和计算机视觉领域许多问题的研究基础,如数字水印、图像处理、视频检索、目标识别与跟踪等,是目前的一个研究热点。由于图像之间大多数都存在旋转、模糊、视角、缩放、亮度等不同的变换,因此如何获得兼具较好的稳定性、可匹配性和可重复性的局部不变特征就成了相关领域的重点研究内容。一般地,基于局部不变特征的方法都是经过特征提取和特征匹配这两个步骤来实现的,其中特征提取又分为特征检测和特征描述两部分。大多数特征描述子都是使用梯度统计特征来检测局部不变区域,它们只能保证对亮度的线性变化具有不变性,这就极大地限制了其在实际中的应用,因为光照条件是不同的,图像的亮度变换通常也不是线性的。本文通过深入研究局部不变区域的检测和特征描述,构建出新的描述子,使其在亮度上具有对单调变化的不变性,从而对复杂的非线性光照变换具有更好的鲁棒性。中心对称局部二元模式(Center-Symmetric Local Binary Pattern, CS-LBP)是一种应用较为广泛的局部不变特征描述子,该描述子对亮度变换具有很好的不变性,且在存储空间和计算花销方面的需求也较少。CS-LBP描述子是在单支持区域内构造的,但是单支持区域的大小选择有时会出现偏差,即选择的区域大小有时会过大或者过小,这就导致构造出的描述子不足以保证后续的特征匹配有很高的准确率。针对这一问题,结合多支持区域的思想,提出了一种新的亮度不变性局部特征描述子。首先检测出局部不变特征区域,并将其规范化成多个支持区域；然后在每个支持区域内构造一个局部不变特征描述向量；最后将这些向量进行组合,得到最终的局部不变特征描述子。特征匹配的实验表明,新的描述子具有较好的亮度不变性,且对JEPG压缩、模糊、缩放、旋转变换的图像也能获得较高的匹配准确率。现有的大多数描述子构造都需要估计梯度统计量的主方向,主方向的估计精度直接影响到描述子的独特性和稳定性,而且根据主方向的区域划分方法使用了梯度统计量,导致没有亮度单调变化的不变性。针对这一问题,本文研究了亮度序关系的原理,利用亮度序这一图像底层信息,提出了一种新的亮度不变性局部特征描述子。首先在多个支持区域内计算每一个像素点对应的CS-LBP值；然后将支持区域中的所有像素点按照亮度值大小分成多个亮度序单元,并将每个亮度序单元中每一种CS-LBP值的个数绘制成直方图；最后把所有的统计直方图进行组合,以行向量的形式表示直方图的统计值,此行向量就是构造的局部不变特征描述子。通过对不同的亮度变换图像进行实验,验证了本文描述子具有较好的亮度不变性,且对缩放、JPEG压缩变换图像也有较高的匹配准确率,证明了本文描述子的有效性。(本文来源于《安徽大学》期刊2013-05-01）
董明昊[9]（2013）在《图像局部不变性特征研究》一文中研究指出对计算机而言,感知和识别自然界中的物体和场景,是异常困难的任务。如何准确地运用计算机语言来表达自然场景,使其不但能够区分不同的物体,还能够克服各种变换带来的问题,选择合适的特征来描述图像信息尤为关键。近年来,图像局部不变特征的研究促使计算机视觉取得重大进展,根据图像的局部信息采用多尺度分析、统计学等相关方法形成特征向量来表达图像内容,已经广泛应用于物体识别、图像配准、全景拼接等领域。每种局部不变特征检测方法都有不同的性质特点和适用范围,在实际应用中选择合适的局部不变特征至关重要。本文首先简单介绍了论文课题背景,并总结了局部不变性特征的相关工作。然后按照角点、斑状、区域叁大类分别对各类局部特征的算法原理、数学模型及其实现步骤,进行了系统详尽的阐述和解释,同时介绍了不同方法常见的应用领域。结合局部不变性特征的实际应用情况,提出了理想的局部特征所要满足的主要特性。重点测试了各个特征检测方法在不同变换情况下的性能表现(重合度和匹配值)。为了评估不同检测器的特征提取效果,测试比较各种检测子的平均聚类准确度。并基于金字塔匹配核,利用SVM分类器,检验分析了各种特征提取方法在类别相关的物体识别中的识别准确率。在上述工作基础上,归纳了多条选择特征点提取方法的基本原则；并在文章结尾提出了对局部不变性特征的展望。(本文来源于《浙江大学》期刊2013-01-10）
范志斌[10]（2011）在《基于图像局部不变性特征的机器人目标识别与定位》一文中研究指出机器人视觉认知一直是人们研究的热点,它的研究是为了使机器人能够智能的认知周围物体。然而即使是一个十分简单的物体,要使用机器去识别它都是一件十分不容易的事。其中最为关键的莫过于是物体的表示或描述,也就是说,使用什么样的特征才能够区别一个物体与另一物体。最近几年人们对图像局部不变性特征的研究,似乎使我们看到了解决这一问题的希望。图像局部不变性特征,其核心是“不变性”。人类识别一个物体时,不管这个物体是远是近,都能对这个物体进行辨认,这就是所谓的尺度不变性。当这个物体发生旋转时,我们同样可以准确的识别它,这就是所谓的旋转不变性。让机器人也能够像人一样具有这种识别能力就是研究图像局部不变性特征要解决的问题。本文对图像的局部不变性特征与机器人的双目摄像机标定进行了详细分析与描述。首先从图像中提取出对尺度旋转、缩放、亮度变化等无关的SIFT和SURF局部特征向量,然后通过运用改进的KD-树算法,对图像间的SIFT和SURF特征点进行匹配,根据图像间的透视变换,确定了模板图物体在场景图像中的位置。再根据张氏摄像机标定算法求取相机的内参数矩阵,运用对极几何原理求出双目相机间的位置关系,最后根据双目视觉的叁角测量原理确定了物体在空间中的位置。实验结果表明,运用SIFT和SURF特征描述的图像特征,在图像的旋转、缩放、一定遮挡等条件下具有稳定性；运用RANSAC算法求取的物体仿射变换关系对物体在图像中的定位具有一定的可靠性；并且根据相机的标定结果对物体的空间位置定位也比较准确,可以用于机器人的操作。(本文来源于《北京交通大学》期刊2011-06-01）
局部不变性特征论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在计算机视觉和模式识别等领域内,图像特征提取及其定量化地描述可以简化高维的图像信息。而图像特征描述方法,对于刻画图像所具有的本质特征、相似性和差异性、语义等起着关键性作用,对目标识别、图像场景分类、图像检索等领域的研究具有重要的应用价值。一般意义上,特征的描述方法应该具有良好的可区分性和不变性。可区分性是指特征描述方法应该能够很容易地区别不同类别的图像;不变性则是指在图像发生几何形变、光照变化、模糊变化等情况时,特征描述子的性能不受这些变化的影响。然而,在实际研究中,这两种性能往往不能够同时兼顾。因此,一个好的特征描述算子应该是在保持可区分性的基础上,提高算子的不变性。SURF(Speeded-Up Robust Features)特征描述方法通过统计特征点局部区域内像素点的梯度信息来定量化地描述特征点的属性,它能够在一定程度上保持尺度、旋转、光照、亮度以及对比度的不变性。本文将四元数理论和颜色矩特征分别与SURF特征描述算法相结合,应用于研究彩色图像的特征描述方法,主要完成以下工作:(1)针对彩色图像特征描述问题,提出了一种彩色图像SURF特征四元数描述方法。在这一算法中,首先,为了有效地表示彩色图像的色彩信息,将彩色图像中每一个像素点的叁通道颜色信息,利用纯四元数的叁个虚部来表示,整幅彩色图像转化成一个纯四元数矩阵,精简了图像颜色信息的表示过程。其次,通过操作纯四元数矩阵,对彩色图像的叁通道信息同时提取SURF特征,提高了算法的运算效率;利用四元数范数的旋转不变性,生成纯四元数范数形式的特征描述向量。最后通过实验证明,本文算法与SURF算法,FAIR-SURF(Fully Affine Invariant SURF)算法和近年来的一些彩色图像特征描述算法相比,在特征点对正确匹配和时间复杂度方面,具有更优越的性能。(2)基于图像的HSV色彩空间和颜色矩特征,提出了融合颜色矩的彩色图像特征描述算法。首先,转换RGB彩色图像至HSV色彩空间,利用四元数理论表示彩色图像H、S、V分量的颜色信息,并对叁个颜色通道同时提取SURF特征;同时,计算相应特征描述区域在HSV色彩空间下的颜色矩特征。然后,融合图像的SURF特征和颜色矩特征形成最终的特征描述向量。最后,通过实验验证了在图像发生模糊、光照、仿射变化时,本文算法相比SURF算法和近年来的一些彩色图像特征描述算法,在特征点对正确匹配方面更优越,在时间复杂度方面优于其他彩色图像的特征描述算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
局部不变性特征论文参考文献
[1].周微硕,安博文,赵明,潘胜达.基于几何不变性和局部相似特征的异源遥感图像配准算法[J].红外技术.2019
[2].申倩.彩色图像局部不变性特征描述方法研究[D].鲁东大学.2016
[3].巩家昌.基于局部颜色不变性特征的图像复制粘贴篡改取证研究[D].天津大学.2015
[4].甘洁.基于局部不变性特征的无人机影像特征点提取[J].地理空间信息.2015
[5].白刚浩.基于视觉注意和局部不变性特征相结合的目标识别技术研究[D].浙江大学.2015
[6].吁冬兰.基于稀疏局部不变性特征描述运动目标跟踪方法研究[D].昆明理工大学.2014
[7].薛振华.图像局部不变性特征提取与匹配[D].天津大学.2013
[8].郭存山.亮度不变性的图像局部特征描述算法研究[D].安徽大学.2013
[9].董明昊.图像局部不变性特征研究[D].浙江大学.2013
[10].范志斌.基于图像局部不变性特征的机器人目标识别与定位[D].北京交通大学.2011