采用旋转匹配的二进制局部描述子

被引：13

作者：

卢鸿波 ^{[1
,2
]}

孙愿 ^{[1
,2
]}

张志敏 ^{[1
]}

机构：

[1] 中国科学院计算技术研究所计算机体系结构国家重点实验室

[2] 中国科学院大学

来源：

中国图象图形学报 | 2013年 / 10期

基金：

国家杰出青年科学基金;

关键词：

图像匹配; 局部特征; 二进制描述子; 旋转不变;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对二进制描述子主方向计算误差影响图像匹配正确性的问题,提出了一种旋转不变的二进制描述子构造和匹配方法。在以特征点为中心的同心圆周上等间隔选取采样点,按照旋转不变的模式选取采样点对进行灰度值比较,将比较结果连接成二进制串,作为区域的描述子。匹配时比较描述子在所有旋转模式中的汉明距离,取最小值作为描述子的距离,实现不依赖于主方向的旋转不变性。配合多尺度特征检测方法,将采样模式进行缩放,并对图像进行亚像素插值,实现尺度不变性。描述子匹配的实验结果表明,本文方法在旋转、尺度和光照变换下的匹配效果比当前依赖主方向的二进制描述子方法具有更高的鲁棒性。

引用

页码：1315 / 1321

页数：7

共 8 条

[1]

Engin Tola,Vincent Lepetit,Pascal Fua.DAISY: An Efficient Dense Descriptor Applied to Wide-Baseline Stereo. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2010

[2]

Mikolajczyk K,Schmid C.A performance evaluation of local descriptors. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2005

[3]

Calonder M,Lepetit V,Strecha C,et al.Brief:binary robust independent elementary features. Proceedings of the 11th European Conference on Computer Vision . 2010

[4]

Bin Fan,Fuchao Wu,Zhanyi Hu."Aggregating gradient distributions into intensity orders: A novel local image descriptor,". Computer Vision and Pattern Recognition (CVPR),2011 IEEE Conference on . 2011

[5]

Leutenegger S,Chli M.Binary robust invariant scalable key-points. IEEE International Conference on Computer Vi-sion . 2011

[6]

RUBLEE E,RABAUD V,KONOLIGE K,et al.ORB:An effi-cient alternative to SIFT or SURF. Proceedings of 2011 IEEEInternational Conference on Computer Vision . 2011

[7]

Winder S A J,Brown M.Learning local image descriptors. Proceedings of IEEE Conference on Computer Vision and Pattern Recognition . 2007

[8]

Bay H,Tuytelaars T,Van Gool L.Surf: Speeded up robust features. ComputerVision–ECCV2006 . 2006

← 1 →