论文用SIFT算法实现铁路扣件图像分类是关于本文可作为扣件方面的大学硕士与本科毕业论文扣件论文开题报告范文和职称论文论文写作参考文献下载。
摘 要：基于图像特征点的匹配是解决很多问题的关键,不同的应用场景有不同的要求.研究SIFT算法在进行匹配的参数选择问题,结合随机抽样一致集算法（RANSAC）,剔除错误的匹配,分析参数选择对匹配结果的影响,研究不同尺寸图像特征点生成关系.针对SIFT算法对光照的敏感性问题,通过图像增强再进行匹配,结合位置信息,实现了特征点数量较少的小图像铁路扣件图像的分类.
关键词：SIFT算法；图像分类；参数选择；位置信息；特征
中图分类号：TP391.4
文献标志码：A
文章编号：2095-5383（2017）02-0001-07
Abstract： Image feature points detection is the important aspect in image research,such as image based object reconstruction,object recognition,moving object tracking,image mosaic and so on.SIFT algorithm,the classic image feature points detecting algorithm,is widely used to solve these visual issues.Matching algorithm based on image feature points is the key to solve many problems and different applications he different requirements.The parameter selection issue of SIFT algorithm is researched.Random sample consensus set algorithm （RANSAC） is combined to eliminate the false matching.The effect of parameters election on match results is analyzed.The relationship of image feature points geneRn with different sizes is studied.In view of the light sensitive of SIFT algorithm,image enhancement is proceeded before matching and the location information is combined.The classification for all fastener images with less feature points is realized.
Keyword：Scaleinvariant feature tranorm；image classification；parameter selection；location information；feature
图像特征点检测和匹配在计算机视觉图像方面的应用广泛,包括纹理分类[1-2],运动物体跟踪[3],人脸识别[4],人脸检测[5]等.特征点检测的准确性直接关系到最终的图像处理结果,因此图像特征点的检测一直是研究的重点.通过检测图像局部特征点,对不同图像中的同一物体进行匹配.早期的特征点检测方法有Morec[6]提出的基于角点检测的视频图像匹配算法.Harris等[7]提出了利用图像梯度的角点检测算法.Rosten等[8]提出了FAST特征点检测算法,通过比较中心像素与邻域像素的大小,然后计算得分值来检测特征点.Calonder等[9]提出了BRIEF特征点检测和匹配算法,准确地说BRIEF是一种特征描述算法,采用汉明距离进行特征配对来对特征点进行描述.Rublee等[10]提出了结合BREIEF和FAST算法的ORB检测算法,结合了图像特征点的检测和方向描述.Leutenegger等[11]提出了BRISK检测算法,在图像多尺度上主要利用FAST算法进行特征点检测.1999年,Lowe[12]提出的SIFT（Scaleinvariant feature tranorm,尺度不变特征转换）算法,2004年对算法进行了完善[13].Bay等[14]在SIFT算法的基础上提出了快速鲁棒特征Surf算法；Ke等[15]在SIFT算法的基础上结合主成分分析提出了PCASIFT算法.基于图像局部特征的研究一直是广大科研人员研究的重点,如何準确找出图像局部的特征,是用于图像后续处理的关键.Ojala等[16-17]结合图像局部特征提出了局部二值模式（LBP）算法；Darzani等[18]提出了尺度和旋转不变性的LBP算法用于人脸识别；Geng等[19]提出了SIFT特征用于人脸识别；Ren等[20]提出了抗噪声的LBP编码方法用于提高人脸识别的识别率.这些方法首先都需要实现图像的匹配.比如人脸识别,对一个人从不同角度进行图像采集,通过检测特征点,实现不同角度同一个人的人脸识别等.Mikolajczyk等[21]比较了各种图像局部感兴趣区域的检测算法,主要从特征点的检测和图像匹配两方面进行比较,得出SIFT算法是一种比较好的检测和匹配算法的结论.
由于光照、尺度、角度等因素的影响,对同一物体的多次采集的图像都会出现不同的效果.SIFT算法由于采用了多尺度进行关键点检测,同时,对特征点的描述采用了128维方向向量,在尺度不变性和旋转不变性方面的表现是非常优秀的.在采用SIFT算法的时候,对图像关键点检测以及图像匹配的参数选择是至关重要的.Lowe虽然提出了SIFT算法,但在参数选择上却没有明确给出选择方法,也没有说明图像尺寸对特征点数量的影响,导致在使用SIFT算法时,往往不能得到预期的效果.本文结合理论分析和实验验证,确定了特征检测参数与特征点检测结果关系以及匹配参数与匹配率之间的关系,给出了SIFT算法几个重要参数的选择原则.SIFT算法对光照的变化有一定的敏感性,采用128维的向量归一化描述方法可以避免线性光照的影响,但是对于非线性光照的影响却不能够消除.现实中采集的图像往往受到各种光照条件的影响,比如自然光和采用光源采集的图像,其光照条件是完全不一样的；在自然环境中,不同天气采集的图像也是完全不同的.同时,物体本身对光照的反射强度也将影响到图像采集效果,最终影响图像特征点的匹配.如果对同一类物体在不同条件下采集的图像进行识别而不是对同一个物体从不同角度采集的图像进行识别,则光照条件将成为关键因素.本文针对光照不均以及小图像采用SIFT算法检测的特征点数量较少问题,提出了增强光照方法以及添加特征点位置信息方法,实现了铁路扣件图像的分类.
总结:本论文为免费优秀的关于扣件论文范文资料，可用于相关论文写作参考。
参考文献：
1、 一种钢轨扣件收集装置研制 摘 要：针对目前国内大修换轨施工中钢轨旧扣件收集的工况进行分析，提出并阐述了一种新型钢轨扣件收集装置的主要技术特点及技术参数，并从整机结构、动力。
2、 视频稳像Sift算法优化 摘要：针对连续拍摄的相邻视频帧具有视场重叠度高，视角转换小，平移量小等特点，对Sift特征匹配算法进行优化，以降低视频稳像的运算量，研究了图像尺。
3、 粒子群优化算法选择特征的运动图像分类 摘 要： 为了提高图像分类的效果，考虑当前方法准确实现图像分类的难题，提出粒子群优化算法选择特征的运动图像分类方法。对当前运动图像分类方法的研究。
4、 基于超混沌系统的图像加密算法 摘 要： 为了获得理想的图像安全性，提出超映射混沌的图像加密算法。对明文图像进行Logistic置乱操作，打乱像素点的原始位置，使攻击无法识别有。
5、 基于动态粒子群优化和Kmeans聚类图像分割算法 摘 要： 为了解决K?means聚类算法图像分割质量过度依赖于初始聚类中心选取，且易于陷入局部最优解等问题，提出一种基于动态粒子群优化（DPSO。
6、 基于V—S关系模型多尺度Retinex雾天图像去雾算法 摘要：提出一种基于多尺度Retinex的雾天图像强算法：将图像从RGB空间转换到Hsv色彩空间并保持色度分量H不变，通过V-S关系模型得到截距b。