基于sift特征的物体识别系统的设计与实现

《基于sift特征的物体识别系统的设计与实现》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP391密级：公开专业学位研究生学位论文论文题目（中文）基于SIFT特征的物体识别系统的设计与实现DesignandImplementationofObject论文题目（外文）RecognitionSystembasedonSIFTFeature研究生姓名周楠钊学位类别工程硕士专业学位领域电子与通信工程学位级别硕士导师姓名、职称许存禄副教授论文工作起止年月2015年4月至2016年4月论文提交日期2016年4月论文答辩日期2016年5月学位授予日期2016年6月校址：甘肃省兰州市原创性声明本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取得的成果。

2、学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：_______________关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用学位论文的规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入有

3、关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。本学位论文研究内容：□可以公开□不宜公开，已在学位办公室办理保密申请，解密后适用本授权书。（请在以上选项内选择其中一项打“√”）论文作者签名：导师签名：________________日期：日期：________________基于SIFT特征的物体识别系统的设计与实现中文摘要随着现代仓库规模越来越大，以及仓库存贮物品类型的日益增多，在仓库管理过程中逐渐产生了根据物体的图像来辨识物体的需要。并且，单纯地依靠仓库管理人员进行识

4、别变得越来越困难。本文研究了基于计算机视觉技术构建物体识别系统的方法，试图解决这一问题。SIFT(Scale-invariantfeaturetransform)是一种非常有效的特征提取方法。本文基于SIFT特征构建了物体识别系统。本文首先围绕SIFT特征，分析了SIFT特征和DSP-SIFT特征的提取原理，并做了对比实验，发现DSP-SIFT特征虽然匹配性略好于SIFT但时间复杂度大大高于SIFT。然后，对基于SIFT特征的图像匹配技术做了分析和实验，验证了SIFT特征对于旋转、视角变换、遮挡、亮度变化等干扰具有很好的鲁棒性。在基于SIFT特征的物体识别系统中，首先根据SI

5、FT特征以及Dense-SIFT特征在词袋模型中的优缺点，提出了一种基于SIFT特征和Dense-SIFT特征组合的词袋模型。针对词袋模型对物体空间结构信息的忽略，本文提出了基于SIFT特征和Dense-SIFT特征组合的空间金子塔模型。在使用支持向量机进行分类时，使用了径向基核函数，并使用了交叉验证的方法进行了参数优化。最后进行了系统的仿真实验，验证了本文所提出的基于SIFT特征和Dense-SIFT特征组合的空间金子塔模型的分类性能。最后，本文基于以上所述的理论和方法，使用OpenCV和Qt两个开源软件库设计并实现了物体识别系统。关键词：SIFT，DSP-SIFT，DEN

6、SE-SIFT，词袋模型，空间金字塔模型，物体识别，图像局部特征IDesignandImplementationofObjectRecognitionSystembasedonSIFTFeatureAbstractWiththegrowingofthemodernwarehouseandthevarietyofthegoods,thedemandintheprocessofwarehousemanagementarisesgradually,whichistoidentifytheobjectbyanimage,andhowtorecognizeobjectsisbecomi

7、ngmoreandmoredifficultforwarehousekeeper.Sothispaperwantstosolvethatproblembyusingtheobjectrecognitiontechnologybasedoncomputervision.SIFT(Scale-invariantfeaturetransform)featureisaveryeffectivefeatureextractionmethod.Thispaperbuiltanobjectrecognitionsys