1、圖像爆炸式的增長(zhǎng)和大數(shù)據(jù)時(shí)代的來(lái)臨，對(duì)圖像分類(lèi)/檢索提出了更高的要求。圖像分類(lèi)/檢索關(guān)鍵技術(shù)的研究，尤其是圖像簡(jiǎn)化表示方法的研究對(duì)大數(shù)據(jù)時(shí)代下圖像的高效利用具有重要意義?；谌痔卣鞯谋硎灸Ｐ碗y以表達(dá)圖像的內(nèi)容和含義，且無(wú)法體現(xiàn)感興趣的局部目標(biāo)。因此，研究基于局部特征的視覺(jué)詞袋表示模型，對(duì)于圖像分類(lèi)/檢索技術(shù)具有重要價(jià)值。
　　視覺(jué)詞袋研究的關(guān)鍵技術(shù)是局部特征算子及特征與視覺(jué)詞的映射方法，本文就這兩個(gè)關(guān)鍵技術(shù)展開(kāi)了研究和實(shí)驗(yàn):

2、r>　　在分析了局部特征的檢測(cè)和描述算子基礎(chǔ)上，重點(diǎn)研究了SIFT算法和ORB算法。局部特征實(shí)驗(yàn)表明: ORB的檢測(cè)算子FAST可檢測(cè)性和速度較理想;ORB的二進(jìn)制碼串描述子在存儲(chǔ)和計(jì)算上比SIFT描述子更有優(yōu)勢(shì)，而性能相近;基于灰度的局部特征算子的光照魯棒性較差。
　　考慮到局部特征對(duì)光照的敏感性，對(duì)顏色恒常性進(jìn)行了研究。在結(jié)合ORB算法和顏色恒常性基礎(chǔ)上，提出了具有光照魯棒性的二進(jìn)制碼串描述子—CCORB算法。實(shí)驗(yàn)表明:CCO