基于DoG检测图像特征点的快速二进制描述子

作     者：刘凯 汪侃 杨晓梅 郑秀娟 LIU Kai;WANG Kan;YANG Xiao-mei;ZHENG Xiu-juan

作者机构：四川大学电气工程学院四川成都610065 

基　　金：国家自然科学基金资助项目(No.NSFC61473198) 四川省科技厅重点研发项目资助(No.2018GZ0198) 成都市科技局重点研发支撑计划资助项目(No.2018-YFYF-00029-GX) 四川大学自贡市校地科技合作重点研发项目资助(No.2018CDZG-12) 

出 版 物：《光学精密工程》 (Optics and Precision Engineering)

年 卷 期：2020年第28卷第2期

页      码：485-496页

摘      要：针对SIFT描述子实时性差和传统二进制描述子对尺度、旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和添加灰度差分不变量比较测试进行改进,提出了一种鲁棒性更高的二进制描述子。首先,设计了一种尺度关联、编号标记的采样模式;然后,旋转采样模式中各采样点到特定位置,确保描述子尺度、旋转不变性;接着,分析了采样点点对模式对描述子的影响,选择使用机器学习训练后的128对采样点对;最后,选择灰度值比较测试及梯度绝对值和比较测试构建二进制描述子。实验中采用DoG检测图像关键点,结果表明:本文提出的描述子在描述子构建和描述子匹配上比SIFT描述子分别快84%和67%;在有视角变化的图像匹配上,准确率比传统的二进制描述子高3%~5%,召回率平均要高30%以上。本文提出的特征点描述方法适用于时间要求高的图像匹配领域。

主 题 词：计算机视觉 二进制描述子 灰度差分不变量 采样模式 最小相关点对 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

核心收录：

D　O　I：10.3788/OPE.20202802.0485

馆 藏 号：203894672...