托尼·林德伯格 使用广义尺度空间兴趣点的图像匹配。 （英语） Zbl 1357.94023号 数学杂志。成像视觉。 52，第1期，3-36页（2015年）。 摘要：基于兴趣点的匹配和对象识别方法的性能取决于潜在兴趣点的属性和相关图像描述符的选择。本文展示了在这种情况下使用广义尺度空间兴趣点检测器来选择稀疏点集以计算图像描述符以进行基于图像的匹配的优点。为了在任意给定尺度上检测兴趣点，我们使用了拉普拉斯算子（nabla^2_{范数}L）、黑森矩阵的行列式（det{mathcal{H}}{范量}L\）和四个新的无符号或有符号黑森特征强度测度（{mathcal{D}}{1，范数}L\）、（tilde{mathca{D}{1、范数}{L\和（tilde{mathcal{D}}{2，范数}L\），它们是通过将Harris和Shi-and-Tomasi算子的定义从二阶矩矩阵推广到Hessian矩阵来定义的尺度规范化导数尺度上的局部极值，或通过将尺度上的特征链接到特征轨迹，并从尺度上规范化特征强度的综合度量计算显著性度量。根据仿射图像变形或其近似下的不变性，对这些兴趣点下的微分实体在图像变形下的鲁棒性进行了理论分析。不考虑旋转对称尺度空间平滑操作的影响，Hessian的行列式（det{mathcal{H}}{范数}L\）是一个真正的仿射协变微分实体，Hessia特征强度度量（{mathcal{D}}{1，范数}L\）和（tilde{mathca{D}{}}{1,normal}L\具有Hessian的仿射协变行列式的主要贡献，这意味着这些微分实体的局部极值在仿射图像变形下将比拉普拉斯算子或Hessian算子的局部极值更鲁棒特征强度度量\（{\mathcal{D}}{2，范数}L\），\（tilde{\matchcal{D}{{2，normal}L\）。与同一类中先前已知的兴趣点检测器相比，这些广义尺度空间兴趣点允许更高的正确匹配率和更低的错误匹配率。使用标尺链接计算的兴趣点和新的Hessian特征强度测度（{mathcal{D}}{1，范数}L\）、（tilde{mathcal{D}{1、范数}L \）和Hessian的行列式（det{mathca{H}}{范数}L\）获得了最佳结果它们是在透视图像变换下具有显著的预缩效果的差分实体，并且比更常用的拉普拉斯算子、其高斯差分近似或哈里斯-拉普拉斯操作符更好。我们建议，当这些广义的尺度空间兴趣点与相关的局部尺度不变图像描述符一起使用时，应该考虑到更好的基于兴趣点的方法在基于图像的匹配、对象识别和相关视觉任务中的性能。 引用于17文件 MSC公司： 94A08型 信息与通信理论中的图像处理（压缩、重建等） 68单位10 图像处理的计算方法 关键词：特征检测;兴趣点;比例选择;缩放链接;匹配;物体识别;尺度不变性;仿射不变性;缩放空间;计算机视觉 软件：每磅;SIFT公司;冲浪;简介 PDF格式BibTeX公司 XML格式引用 \textit{T.Lindeberg}，J.数学。成像视觉。52，第1号，第3--36号（2015；Zbl 1357.94023） 全文： 内政部 OA许可证 参考文献： [1] Aanaes，H.、Lindbjerg-Dahl，A.、Pedersen，K.S.：有趣的兴趣点：对独特数据集上兴趣点表现的比较研究。国际期刊计算。视觉。97(1), 18-35 (2012) ·doi:10.1007/s11263-011-0473-8 [2] Agarwal，A.，Triggs，B.：具有超特征的多级图像编码。国际期刊计算。视觉。78（1），15-27（2008）·doi:10.1007/s11263-007-0072-x [3] Almansa，A.，Lindeberg，T.：通过自动尺度选择的尺度空间算子的形状自适应来增强指纹。IEEE传输。图像处理。9(12), 2027-2042 (2000) ·Zbl 0962.94018号 ·doi:10.1009/83.8887971 [4] Balmashnova，E.，Florack，L.M.J.：用于一般对象检索的微分不变描述符的新相似性度量。数学杂志。成像视觉。31(2-3), 121-132 (2008) ·Zbl 1446.68060号 ·doi:10.1007/s10851-008-0079-0 [5] Balmashnova，E.G.，Platel，B.，Florack，L.，ter Haar Romeny，B.M.：存在接近相似性的非刚性变形时的对象匹配。摘自：《计算机视觉国际会议论文集》（ICCV 2007），第2591-2598页。巴西里约热内卢（2007） [6] Baumberg，A.：在广泛分离的视图之间进行可靠的特征匹配。摘自：《计算机视觉与模式识别学报》（CVPR'00），第一页：1774-1781。南卡罗来纳州希尔顿黑德（2000） [7] Bay，H.，Ess，A.，Tuytelaars，T.，van Gool，L.：加速强大功能（SURF）。计算。视觉。图像理解。110(3), 346-359 (2008) ·doi:10.1016/j.cviu.2007.09.014 [8] Bay，H.，Tuytelaars，T.，van Gool，L.：SURF：加速强大功能。摘自：《欧洲计算机视觉会议论文集》（ECCV 2006），《计算机科学讲义》，第3951卷，第I:404-417页。施普林格，格拉茨，奥地利（2006年） [9] Beaudet，P.R.：旋转不变图像操作符。摘自：《第四届模式识别国际联合会议论文集》，第579-583页。日本东京（1978年） [10] Belongie，S.、Carson，C.、Greenspan，H.、Malik，J.：使用EM的基于颜色和纹理的图像分割及其在基于内容的图像检索中的应用。摘自：《计算机视觉国际会议论文集》（ICCV'98），第675-682页。印度孟买（1998） [11] Benhimane，S.，Malis，E.：使用有效的二阶最小化实时基于图像的飞机跟踪。In:智能机器人和系统（IROS 2004），第943-948页（2004） [12] Bigun，J.：愿景与方向。柏林施普林格出版社（2006）·Zbl 1104.68782号 [13] Bigün，J.，Granlund，G.H.：线性对称的最佳方向检测。摘自：《第一届计算机视觉国际会议论文集》（ICCV'87），第433-438页。伦敦（1987） [14] Blom，J.：图像结构的拓扑和几何方面。医学物理系博士论文。荷兰乌得勒支大学物理系，NL-3508（1992） [15] Blostein，D.，Ahuja，N.：多尺度区域探测器。计算。视觉。图表。图像处理。45, 22-41 (1989) ·doi:10.1016/0734-189X（89）90068-6 [16] Blostein，D.，Ahuja，N.：从纹理中提取形状：整合纹理元素提取和表面估计。IEEE传输。模式分析。机器。智力。11（12），1233-1251（1989）·数字对象标识代码：10.1109/34.41363 [17] Bosch，A.，Zisserman，A.，Munoz，X.：通过pLSA进行场景分类。摘自：《欧洲计算机视觉会议论文集》（ECCV 2006），《计算机科学讲义》，第3954卷，第517-530页。斯普林格（2006） [18] Bosch，A.，Zisserman，A.，Munoz，X.：使用随机森林和蕨类植物进行图像分类。摘自：《计算机视觉国际会议论文集》（ICCV 2007），第1-8页。巴西里约热内卢（2007） [19] Bretzner，L.，Laptev，I.，Lindeberg，T.：使用多尺度颜色特征、层次特征和粒子滤波的手势识别。收录：《面部与手势学报》，第63-74页。美国华盛顿特区（2002） [20] Bretzner，L.、Laptev，I.、Lindeberg，T.、Lenman，S.、Sundblad，Y.：基于计算机视觉的人机交互原型系统。报告，ISRN KTH/NA/P-01/09-SE，数值分析和计算科学部，KTH（2001） [21] Bretzner，L.，Lindeberg，T.：自动选择空间尺度的特征跟踪。计算。视觉。图像理解。71(3), 385-392 (1998) ·doi:10.1006/cviu.1998.0650 [22] Bretzner，L.，Lindeberg，T.：用于对象跟踪的定性多尺度特征层次。视觉杂志。公社。图像表示。11, 115-129 (2000) ·doi:10.1006/jvci.1999.0438 [23] Brunnström，K.，Lindeberg，T.，Eklundh，J.O.：在尺度空间原始草图的指导下，利用头眼系统通过中央窝主动检测和分类交界处。收录于：Sandini，G.（ed.）《欧洲计算机视觉会议论文集》（ECCV'92），《计算机科学讲义》，第588卷，第701-709页。施普林格，圣玛格丽塔·利古尔，意大利（1992年） [24] Burghouts，G.J.，Geusebroek，J.M.：局部颜色不变量的性能评估。计算。视觉。图像理解。113(1), 48-62 (2009) ·doi:10.1016/j.cviu.2008.07.003 [25] Cachia，A.、Mangin，J.F.、Riviere，D.、Kherif，F.、Boddaert，N.、Andrade，A.、Papadopoulos-Orfanos，D.、Poline，J.B.、Bloch，I.、Zilbovicius，M.、Sonigo，P.、Brunelle，F.和Regis，J.：皮层平均曲率的原始草图：基于形态发生的研究折叠模式可变性的方法。IEEE传输。医学成像22（6），754-765（2003）·Zbl 1041.68576号 ·doi:10.1109/TMI.2003.814781 [26] Calonder，M.、Lepetit，V.、Ozuysal，M.，Trzcinski，T.、Strecha，C.、Fua，P.：简介：快速计算本地二进制描述符。IEEE传输。模式分析。机器。智力。34(7), 1281-1298 (2012) [27] Carson，C.，Belongie，S.，Greenspan，H.，Malik，J.：Blobworld:使用期望最大化的图像分割及其在图像查询中的应用。IEEE传输。模式分析。机器。智力。24(8), 1026-1038 (2002) ·doi:10.10109/TPAMI.2002.1023800 [28] Chomat，O.，de Verdiere，V.，Hall，D.，Crowley，J.：基于高斯描述技术的局部尺度选择。摘自：《欧洲计算机视觉会议论文集》（ECCV 2000），《计算机科学讲义》，第1842卷，第I:117-133页。爱尔兰都柏林斯普林格·弗拉格（2000年） [29] Coulon，O.，Mangin，J.F.，Poline，J.B.，Zilbovicius，M.，Roumenov，D.，Samson，Y.，Frouin，V.，Bloch，I.：功能激活图的结构群分析。神经影像11（6），767-782（2000）·doi:10.1006/nimg.2000.0580 [30] Crowley，J.，Riff，O.：快速计算尺度归一化感受野。收录于：Griffin，L.，Lillholm，M.（eds.）《计算机视觉中的尺度空间方法会议录》（Scale-Space'03），《计算机科学讲义》，第2695卷，第584-598页。斯普林格，斯凯岛，苏格兰（2003年）·Zbl 1067.68728号 [31] Crowley，J.L.，Parker，A.C.：基于低通变换差异中的峰和脊的形状表示。IEEE传输。模式分析。机器。智力。6(2), 156-170 (1984) ·doi:10.1109/TPAMI.1984.4767500 [32] Crowley，J.L.，Sanderson，A.C.：二维灰度形状的多分辨率表示和概率匹配。IEEE传输。模式分析。机器。智力。9（1），113-121（1987）·doi:10.1109/TPAMI.1987.4767876 [33] Csurka，G.，Dance，C.R.，Fan，L.，Willamowski，J.，Bray，C.：用大量关键点进行视觉分类。参加：ECCV计算机视觉统计学习研讨会。捷克共和国布拉格（2004年） [34] Dalal，N.，Triggs，B.：人体检测定向梯度直方图。摘自：《计算机视觉与模式识别学报》第1卷，第886-893页（2005） [35] Damon，J.：热方程解的局部Morse理论和高斯模糊。J.Differ。埃克。115(2), 386-401 (1995) ·Zbl 0847.35056号 ·doi:10.1006/jdeq.1995.1019 [36] Danilidis，K。；JO Eklundh；Siciliano，B.（编辑）；Khatib，O.（编辑），《三维视觉与识别》，543-562（2008），柏林·doi:10.1007/978-3-540-30301-5_24 [37] Demirci，M.F.，Platel，B.，Shokoufandeh，A.，Florack，L.，Dickinson，S.J.：使用顶点表示和匹配图像。数学杂志。成像视觉。35(2), 103-116 (2009) ·doi:10.1007/s10851-009-0157-y [38] Demirci，M.F.，Shokoufandeh，A.，Keselman，Y.，Bretzner，L.，Dickinson，S.：对象识别是多对多特征匹配。国际期刊计算。视觉。69(2), 203-222 (2006) ·doi:10.1007/s11263-006-6993-y [39] Deriche，R.，Giraudon，G.：准确的角点检测：一项分析研究。载：《国际计算机视觉会议论文集》（ICCV'90），第66-70页。日本大阪（1990年）·Zbl 0586.92022号 [40] Dreschler，L.、Nagel，H.H.：从街道场景的单目电视帧序列导出的运动汽车的体积模型和三维轨迹。计算。视觉。图表。图像处理。20(3), 199-228 (1982) ·doi:10.1016/0146-664X（82）90081-8 [41] Fergus，R.，Perona，P.，Zisserman，A.：通过无监督的尺度-变学习进行对象类识别。摘自：《计算机视觉与模式识别学报》（CVPR'03），第264-271页。威斯康星州麦迪逊市（2003）·Zbl 0987.68597号 [42] Fergus，R.，Perona，P.，Zisserman，A.：视觉识别模型的弱监督尺度变学习。国际期刊计算。视觉。71(3), 273-303 (2007) ·doi:10.1007/s11263-006-8707-x [43] Florack，L.M.J.：图像结构。数学成像与视觉系列。施普林格，柏林（1997）·doi:10.1007/978-94-015-8845-4 [44] Förstner，W.：统计Verfahren Für die automatische Bildanalyse und ihre Bewertung bei der Objekterkennung und-vermessung。适应理论，斯图加特大学（1991） [45] Förstner，W.A.，Gülch，E.：检测和精确定位圆形特征的不同点、角和中心的快速操作符。摘自：国际摄影测量和遥感学会委员会间会议记录。因特拉肯，瑞士（1987） [46] Frangi，A.F.，NW，J.，Hoogeveen，R.M.，van Walsum，T.，Viergever，M.A.：基于模型的三维磁共振血管造影图像定量。IEEE传输。医学成像18（10），946-956（2000）·doi:10.1109/42.811279 [47] Gding，J.，Lindeberg，T.：使用尺度自适应空间导数算子直接计算形状线索。国际期刊计算。视觉。17(2), 163-191 (1996) ·doi:10.1007/BF00058750 [48] Gauch，J.M.，Pizer，S.M.：灰度图像中山脊和山谷的多分辨率分析。IEEE传输。模式分析。机器。智力。15(6), 635-646 (1993) ·数字对象标识代码：10.1109/34.216734 [49] Geusebroek，J.M.，van den Boomgaard，R.，Smeulders，A.W.M.，Geerts，H.：颜色不变性。IEEE传输。模式分析。机器。智力。23(12), 1338-1350 (2001) ·doi:10.1109/34.977559 [50] Gevers，T.，Smeulders，A.W.M.：基于颜色的对象识别。模式识别。莱特。32, 453-464 (1999) ·doi:10.1016/S0031-3203（98）00036-3 [51] Granlund，G.H.，Knutsson，H.：计算机视觉中的信号处理。施普林格，多德雷赫特（1995）·doi:10.1007/978-1-4757-2377-9 [52] Gu，S.，Zheng，Y.，Tomasi，C.：图像匹配的临界网络和贝塔稳定特征。摘自：《欧洲计算机视觉会议论文集》（ECCV 2010），《计算机科学讲义》，第6313卷，第663-676页。施普林格（2010） [53] ter Haar Romeny，B.：前端视觉和多尺度图像分析。柏林施普林格出版社（2003）·doi:10.1007/978-1-4020-8840-7 [54] Hall，D.，de Verdiere，V.，Crowley，J.：使用彩色感受野进行物体识别。摘自：《欧洲计算机视觉会议论文集》（ECCV 2000），《计算机科学讲义》，第1842卷，第一页：164-177。斯普林格，都柏林，爱尔兰（2000年） [55] Harris，C.，Stephens，M.：组合角点和边缘检测器。摘自：Alvey Vision Conference，第147-152页（1988年） [56] Hartley，R.，Zisserman，A.：《计算机视觉中的多视图几何》，第1卷。剑桥大学出版社，纽约（2000）·Zbl 0956.68149号 [57] 饭岛：二维视觉模式的观察理论。技术报告，自动化和自动控制技术小组论文，IECE，日本（1962年） [58] Jähne，B.：时空图像处理理论和科学应用。计算机科学课堂讲稿第751号。柏林施普林格（1993）·Zbl 0788.68161号 ·数字对象标识代码：10.1007/3-540-57418-2 [59] Jiang，Y.G.，Ngo，C.W.，Yang，J.：面向对象分类和语义视频检索的最佳特征。摘自：第六届ACM国际图像和视频检索会议记录，第494-501页。荷兰阿姆斯特丹（2007） [60] Johansen，P.：关于尺度空间中顶点的分类。数学杂志。成像视觉。4, 57-67 (1994) ·doi:10.1007/BF01250004 [61] Johansen，P.，Skelboe，S.，Grue，K.，Andersen，J.D.：用尺度空间中的顶点表示信号。摘自：《第八届模式识别国际会议论文集》，第215-217页。法国巴黎（1986） [62] Jurie，F.，Triggs，B.：为视觉识别创建高效的代码本。摘自：《计算机视觉国际会议论文集》（ICCV 2005），第1卷，第17-21页。中国北京（2005） [63] Kadir，T.、Brady，M.：显著性、比例和图像描述。国际期刊计算。视觉。45(2), 83-105 (2001) ·Zbl 0987.68597号 ·doi:10.1023/A:1012460413855 [64] Kadir，T.、Zisserman，A.、Brady，M.：仿射不变显著区域检测器。In：程序。欧洲计算机视觉会议（ECCV 2004），《计算机科学讲义》，第3021卷，第I页：228-241。斯普林格，布拉格，捷克共和国（2004）·Zbl 1098.68786号 [65] Kaneva，B.，Torralba，A.，Freeman，W.T.：使用照片级真实感世界评估图像特征。摘自：《计算机视觉国际会议论文集》（ICCV 2011），第172-177页。西班牙巴塞罗那（2011年） [66] Ke，Y.，Sukthankar，R.：PCA-SIFT：局部图像描述符的更独特表示。摘自：《计算机视觉与模式识别学报》，第II页：506-513。华盛顿特区（2004） [67] Kirbas，C.，Quek，F.：血管提取技术和算法综述。ACM计算。Surv公司。36(2), 81-121 (2004) ·数字对象标识代码：10.1145/1031120.1031121 [68] Kitchen，L.，Rosenfeld，A.：灰度角检测。模式识别。莱特。1(2), 95-102 (1982) ·doi:10.1016/0167-8655（82）90020-4 [69] Koenderink，J.J.：图像的结构。生物、网络。50, 363-370 (1984) ·Zbl 0537.92011号 ·doi:10.1007/BF00336961 [70] Koenderink，J.J.，Richards，W.：二维曲率算子。J.选项。《美国社会杂志》第5卷（7期），1136-1141页（1988年）·doi:10.1364/JOSAA.5.001136 [71] Koenderink，J.J.，van Doorn，A.J.：动态形状。生物、网络。53, 383-396 (1986) ·Zbl 0586.92022号 ·doi:10.1007/BF00318204 [72] Koenderink，J.J.，van Doorn，A.J.：视觉系统中局部几何的表示。生物、网络。55, 367-375 (1987) ·Zbl 0617.92024号 ·doi:10.1007/BF00318371 [73] Koenderink，J.J.，van Doorn，A.J.：通用邻域操作符。IEEE传输。模式分析。机器。智力。14(6), 597-605 (1992) ·doi:10.1109/34.141551 [74] Kokkinos，I.、Maragos，P.、Yuille，A.：使用原始草图特征和图形模型进行自下而上和自上而下的对象检测。摘自：《计算机视觉与模式识别学报》（CVPR'06），第二页：1893-1900。纽约（2006年） [75] Kokkinos，I.，Yuille，A.：无比例选择的比例不变性。摘自：《计算机视觉和模式识别学报》（CVPR'08），第1-8页（2008） [76] Krissian，K.，Malandain，G.，Ayache，N.，Vaillant，R.，Trousset，Y.：三维图像中管状结构的基于模型的检测。计算。视觉。图像理解。80(2), 130-171 (2000) ·兹比尔1010.68553 ·doi:10.1006/cviu.2000.0866 [77] Kuijper，A.，Florack，L.：高斯模糊下临界点的计算。摘自：《计算机视觉中尺度空间理论国际会议论文集》（Scale-Space'99），《计算机科学讲义》，第1682卷，第318-329页。施普林格，科尔夫，希腊（1999） [78] Kuijper，A.，Florack，L.：使用突变理论从图像中导出树木。数学杂志。成像视觉。23(3), 219-238 (2005) ·Zbl 1478.94056号 ·doi:10.1007/s10851-005-0481-9 [79] Laptev，I.，Lindeberg，T.：使用粒子滤波和多尺度图像特征层次跟踪多状态手模型。摘自：Kerckhove，M.（ed.）《计算机视觉中尺度空间和形态学国际会议论文集》（Scale-Space'01），《计算机科学讲义》，第2106卷，第63-74页。施普林格，加拿大温哥华（2001年）·Zbl 0991.68584号 [80] Laptev，I.，Lindeberg，T.：用于比例-方差模型匹配的距离度量和特征似然图概念。国际期刊计算。视觉。52, 97-120 (2003) ·Zbl 1477.68388号 ·doi:10.1023/A:1022947906601 [81] Larsen，A.B.L.、Darkner，S.、Dahl，A.L.、Pedersen，K.S.：基于Jet的局部图像描述符。摘自：《欧洲计算机视觉会议论文集》（ECCV 2012），《计算机科学讲义》，第7574卷，第III:638-650页。施普林格（2012）·Zbl 0987.68597号 [82] Lazebnik，S.，Schmid，C.，Ponce，J.：用于对象识别的半对数仿射部分。In:英国金斯顿机器视觉会议记录（2004） [83] Lazebnik，S.、Schmid，C.、Ponce，J.：使用局部仿射区域的稀疏纹理表示。IEEE传输。模式分析。机器。智力。27(8), 1265-1278 (2005) ·Zbl 1084.60019号 ·doi:10.1109/TPAMI.2005.151 [84] Lazebnik，S.，Schmid，C.，Ponce，J.：超越特征袋：用于识别自然场景类别的空间金字塔匹配。摘自：《计算机视觉与模式识别学报》（CVPR'06），第2169-2178页。美国华盛顿特区（2006年） [85] Lew，M.S.，Sebe，N.，Djeraba，C.，Jain，R.：基于内容的多媒体信息检索：现状和挑战。ACM事务处理。Multimed公司。计算。公社。申请。2(1), 1-19 (2006) ·doi:10.1145/126004.1126005 [86] Lifshitz，L.，Pizer，S.：基于强度极值的多分辨率分层图像分割方法。IEEE传输。模式分析。机器。智力。12(6), 529-541 (1990) ·doi:10.1009/34.56189 [87] Linde，O.，Lindeberg，T.：使用高维合成感受野直方图进行物体识别。摘自：模式识别国际会议，第2卷，第1-6页。剑桥（2004） [88] Linde，O.，Lindeberg，T.：合成复合直方图：基于接受场的图像描述符中用于物体识别的信息内容调查。计算。视觉。图像理解。116538-560（2012年）·doi:10.1016/j.cviu.2011.12.003 [89] Lindeberg，T.：局部极值和斑点的尺度空间行为。数学杂志。成像视觉。1(1), 65-99 (1992) ·doi:10.1007/BF00135225 [90] Lindeberg，T.：用尺度空间原始草图检测显著的水滴状图像结构及其尺度：一种注意力聚焦的方法。国际期刊计算。视觉。11(3), 283-318 (1993) ·doi:10.1007/BF01469346 [91] Lindeberg，T.：具有尺度空间特性的离散导数近似：低级特征提取的基础。数学杂志。成像视觉。3(4), 349-376 (1993) ·doi:10.1007/BF01664794 [92] Lindeberg，T.：有效尺度：测量尺度空间寿命的自然单位。IEEE传输。模式分析。机器。智力。15(10), 1068-1074 (1993) ·数字对象标识代码：10.1109/34.254063 [93] Lindeberg，T.：微分算子的尺度选择。收录于：《第八届斯堪的纳维亚图像分析会议记录》（SCIA'93），第857-866页。挪威图像处理和模式识别学会，挪威特罗姆瑟（1993） [94] Lindeberg，T.：尺度空间理论：分析不同尺度结构的基本工具。J.应用。《美国联邦法律大全》第21（2）卷，第225-270页（1994年）。也可从网址：http://www.csc.kth.se/tony/abstracts/Lin94-SI-abstract.html [95] Lindeberg，T.：计算机视觉中的尺度空间理论。柏林施普林格（1994）·Zbl 0812.68040号 ·doi:10.1007/978-1-4757-6465-9 [96] Lindeberg，T.：使用带有自动比例选择的视觉前端操作符直接估计亮度模式的仿射变形。摘自：《计算机视觉国际会议论文集》（ICCV'95），第134-141页。马萨诸塞州剑桥市（1995年） [97] Lindeberg，T.：带自动比例选择的边缘检测和脊线检测。摘自：《计算机视觉与模式识别学报》，1996年，第465-470页。加利福尼亚州旧金山（1996） [98] Lindeberg，T.：尺度空间理论：处理多尺度图像结构的框架。摘自：CERN计算机学院学报，CERN 96-08技术报告，第27-38页。荷兰Egmond aan Zee（1996年）。也可从http://www.csc.kth.se/cvap/abstracts/lin96-csc.html [99] Lindeberg，T.：关于时空尺度空间中时间尺度的自动选择。收录于：Sommer，G.，Koenderink，J.J.（eds.）《1997年AFPAC会议录：感知-动作循环的代数框架》，《计算机科学讲义》，第1315卷，第94-113页。施普林格，基尔，德国（1997年） [100] Lindeberg，T.：具有自动比例选择的边缘检测和山脊检测。国际期刊计算。视觉。30(2), 117-154 (1998) ·doi:10.1023/A:1008097225773 [101] Lindeberg，T.：具有自动比例选择的特征检测。国际期刊计算。视觉。30(2), 77-116 (1998) [102] Lindeberg，T.：自动比例选择原则。摘自：《计算机视觉和应用手册》，第239-274页。波士顿学术出版社（1999）。也可从http://www.csc.kth.se/cvap/abstracts/cvap222.html [103] Lindeberg，T。；Wah，B.（编辑），比例尺空间，2495-2504（2008），霍博肯 [104] Lindeberg，T.：广义尺度空间兴趣点：微分描述符的尺度空间原始草图（2010）。国际期刊计算。视觉。 [105] Lindeberg，T.：广义高斯尺度空间公理，包括线性尺度空间、仿射尺度空间和时空尺度空间。数学杂志。成像视觉。40(1), 36-81 (2011) ·Zbl 1255.68250号 ·doi:10.1007/s10851-010-0242-2 [106] Lindeberg，T.：视觉感受野的计算理论。生物、网络。107(6), 589-635 (2013) ·Zbl 1294.92009年 ·doi:10.1007/s00422-013-0569-z [107] Lindeberg，T。；Hawkes，P.（编辑），《广义公理尺度空间理论》，第178期，第1-96页（2013年），阿姆斯特丹 [108] Lindeberg，T.：使用广义尺度空间兴趣点进行图像匹配。摘自：《计算机视觉尺度空间和变分方法国际会议论文集》（SSVM 2013），《计算机科学讲义》，第7893卷，第355-367页。施普林格（2013）·Zbl 1362.68014号 [109] Lindeberg，T.：感受野水平上视觉操作的不变性。PLOS One 8（7），e66990（2013）·doi:10.1371/journal.pone.0066990 [110] Lindeberg，T.：广义尺度空间兴趣点检测器的尺度选择特性。数学杂志。成像视觉。46(2), 177-210 (2013) ·Zbl 1312.68202号 ·文件编号：10.1007/s10851-012-0378-3 [111] 林德伯格，T。；Ikeuchi，K.（编辑），《尺度选择》，701-713（2014），纽约·doi:10.1007/978-0-387-31439-6-242 [112] Lindeberg，T.，Bretzner，L.：混合多尺度表示中的实时尺度选择。收录：Griffin，L.，Lillholm，M.（eds.）《计算机视觉中的尺度空间方法学报》（Scale-Space'03），《计算机科学讲义》，第2695卷，第148-163页。施普林格，苏格兰斯凯岛（2003年）·Zbl 1067.68753号 [113] Lindeberg，T.，Florack，L.：中心凹鳞片空间和感受野大小随偏心率的线性增加。报告，ISRN KTH/NA/P-94/27-SE，数值分析和计算科学系，KTH（1994）。可从以下位置获得网址：http://www.csc.kth.se/tony/abstracts/CVAP166.html [114] Lindeberg，T.，Gárding，J.：从多尺度角度看纹理的形状。收录于：Nagel，T.S.H.H.-H.，Shirai，Y.（编辑）《国际计算机视觉会议论文集》（ICCV'93），第683-691页。IEEE计算机学会出版社，德国柏林（1993） [115] Lindeberg，T.，Gárding，J.：从局部二维结构的仿射畸变中估计三维深度线索的形状自适应平滑。图像可视性。计算。15415-434（1997年）·doi:10.1016/S0262-8856（97）01144-X [116] Lindeberg，T.，Li，M.：使用最小描述长度近似和互补连接线索对边缘进行分割和分类。计算。视觉。图像理解。67(1), 88-98 (1997) ·doi:10.1006/cviu.1996.0510 [117] Lindeberg，T.，Lidberg，P.，Roland，P.:使用三维尺度空间原始草图分析大脑激活模式。嗯。大脑映射。7(3), 166-194 (1999) ·doi:10.1002/（SICI）1097-0193（1999）7:3<166:：AID-HBM3>3.0.CO；2-I型 [118] Lowe，D.：从局部尺度不变特征识别物体。摘自：《计算机视觉国际会议论文集》（ICCV'99），第1150-1157页。科尔夫，希腊（1999）·Zbl 1110.68151号 [119] Lowe，D.：不同尺度变化关键点的独特图像特征。国际期刊计算。视觉。60(2), 91-110 (2004) ·doi:10.1023/B:VISI.0000029664.99615.94 [120] Mangin，J.F.、Riviere，D.、Coulon，O.、Poupon，C.、Cachia，A.、Cointepas，Y.、Poline，J.B.、Le Bihan，D.，Regis，J.、Papadopoulos-Orfanos，D.：脑图像分析的基于坐标的方法与结构方法。Artif公司。智力。Med.30177-197（2004）·doi:10.1016/S0933-3657（03）00064-2 [121] Marr，D.：《视觉：人类视觉信息表征和处理的计算研究》。W.H.Freeman，纽约（1982） [122] Marr，D.，Hildreth，E.：边缘检测理论。程序。英国皇家学会。207, 187-217 (1980) ·doi:10.1098/rspb.1980.0020 [123] Matas，J.，Chum，O.，Urba，M.，Pajdla，T.：来自最大稳定极值区域的稳健宽基线立体声。摘自：《英国机器视觉会议论文集》，第384-396页（2002） [124] Mikolajczyk，K.，Schmid，C.：尺度和仿射不变兴趣点检测器。国际期刊计算。视觉。60(1), 63-86 (2004) ·doi:10.1023/B:VISI.0000027790.02288.f2 [125] Mikolajczyk，K.，Schmid，C.：局部描述符的性能评估。IEEE传输。模式分析。机器。智力。27(10), 1615-1630 (2005) ·doi:10.1109/TPAMI.2005.188 [126] Mikolajczyk，K.、Tuytelaars，T.、Schmid，C.、Zisserman，A.、Matas，J.、Schafalitzky，F.、Kadir，T.和van Gool，L.：仿射区域检测器的比较。国际期刊计算。视觉。65(1-2), 43-72 (2005) ·数字对象标识代码：10.1007/s11263-005-3848-x [127] Moreels，P.，Perona，P.：基于3D对象的特征检测器和描述符评估。摘自：《计算机视觉国际会议论文集》（ICCV'05），第一卷，第800-807页。中国北京（2005） [128] Noble，J.A.：寻找角落。图像可视性。计算。6（2），121-128（1988）·doi:10.1016/0262-8856（88）90007-8 [129] 奥尔森，OF；Sporring，J.（编辑）；尼尔森，M.（编辑）；Florack，L.（编辑）；Johansen，P.（编辑），多尺度流域分割，191-200（1997），哥本哈根·doi:10.1007/978-94-015-8802-7_14 [130] Opelt，A.、Pinz，A.、Fussenegger，M.、Auer，P.：具有增强功能的通用对象识别。IEEE传输。模式分析。机器。智力。28(3), 416-431 (2005) ·Zbl 1098.68834号 ·doi:10.1109/TPAMI.2006.54 [131] Pietikäinen，M.，Hadid，A.，Zhao，G.，Ahonen，T.：使用局部二进制模式的计算机视觉。柏林施普林格出版社（2011）·doi:10.1007/978-0-85729-748-8 [132] Pinz，A.：对象分类。已找到。趋势计算。图表。视觉。1(4), 259-362 (2006) ·Zbl 1110.68151号 [133] Pizer，S.，Joshi，S..，Fletcher，T.，Styner，M.，Tracton，G.，Chen，J.：通过可变形M-reps分割单图形对象。摘自：第四届医学图像计算和计算机辅助干预国际会议论文集，计算机科学讲义，第2208卷，第862-871页。斯普林格（2001）·Zbl 1041.68707号 [134] Pizer，S.M.、Eberly，D.、Fritsch，D.S.：人物形状的缩放视觉：核心数学。计算。视觉。图像理解。69(1), 55-71 (1998) ·doi:10.1006/cviu.1997.0563文件 [135] Platel，B.，Balmashnova，E.G.，Florack，L.，ter Haar Romeny，B.M.：图像匹配的兴趣点。摘自：《欧洲计算机视觉会议记录》（ECCV 2006），第3951卷，第418-429页。奥地利格拉茨（2006）·Zbl 0537.92011号 [136] Rosbacke，M.，Roland，P.E.，Lindeberg，T.：在使用尺度空间原始草图分析大脑激活图像时，使用绝对与相对基准水平的评估。医学图像分析杂志。5(2), 89-110 (2001) ·doi:10.1016/S1361-8415（00）00037-2 [137] Rothganger，F.、Lazebnik，S.、Schmid，C.、Ponce，J.：使用局部仿射不变图像描述符和多视图空间约束进行三维对象建模和识别。国际期刊计算。视觉。66(3), 231-259 (2006) ·Zbl 1477.68418号 ·doi:10.1007/s11263-005-3674-1 [138] van de Sande，K.E.A.，Gevers，T.，Snoek，C.G.M.：评估物体和场景识别的颜色描述符。IEEE传输。模式分析。机器。智力。32(9), 1582-1596 (2010) ·doi:10.10109/TPAMI.2009.154 [139] Sato，Y.、Nakajima，S.、Shiraga，N.、Atsumi，H.、Yoshida，S.，Koller，T.、Gerig，G.、Kikinis，R.：用于分割和可视化医学图像中曲线结构的三维多尺度线过滤器。医学图像分析。2(2), 143-168 (1998) ·doi:10.1016/S1361-8415（98）80009-1 [140] Schiele，B.，Crowley，J.：使用多维感受野直方图进行无对应识别。国际期刊计算。视觉。36(1), 31-50 (2000) [141] Schneiderman，H.，Kanade，T.：一种应用于人脸和汽车的三维物体检测的统计方法。摘自：《计算机视觉与模式识别学报》（CVPR'00），第一卷，第746-751页。希尔顿海德，南卡罗来纳州（2000年） [142] Shi，J.，Tomasi，C.：很好的特征。摘自：《计算机视觉和模式识别过程》，第593-600页（1994年） [143] Shokoufandeh，A.，Dickinson，S.，Jansson，C.，Bretzner，L.，Lindeberg，T.：关于多尺度上定性形状的表示和匹配。摘自：Spar，Heyden，Johansen，Nielsen（编辑）《欧洲计算机视觉会议论文集》（ECCV 2002），第759-775页。斯普林格，哥本哈根，丹麦（2002）·Zbl 1039.68722号 [144] Shokoufandeh，A.，Marsic，I.，Dickinson，S.：使用显著图进行基于视图的对象识别。图像可视性。计算。17(5/6), 445-460 (1999) ·doi:10.1016/S0262-8856（98）00124-3 [145] Sivic，J.，Russell，B.C.，Efros，A.A.，Zisserman，A.，Freeman，W.：发现物体及其在图像中的位置。摘自：《计算机视觉与模式识别学报》（CVPR'05），第一页：370-377。圣地亚哥（2005） [146] Slater，D.，Healey，G.：结合颜色和几何信息进行三维物体的照明不变识别。载：《国际计算机视觉会议记录》（ICCV'95），第563-568页。马萨诸塞州剑桥市（1995年） [147] Sporring，J.，Nielsen，M.，Florack，L.，Johansen，P.（编辑）：高斯尺度空间理论：Proc。尺度空间理论博士学院。数学成像与视觉系列。哥本哈根施普林格（1996） [148] Swain，M.，Ballard，D.：颜色索引。国际期刊计算。视觉。7(1), 11-32 (1991) ·doi:10.1007/BF00130487 [149] Toews，M.，Wells，W.M.：SIFT-Rank：不变特征对应的序数描述符。摘自：《计算机视觉与模式识别学报》（CVPR'09），第172-177页。佛罗里达州迈阿密（2009） [150] Tola，E.，Lepetit，V.，Fua，P.：雏菊：应用于宽基线立体声的高效密集描述符。IEEE传输。模式分析。机器。智力。32(5), 815-830 (2010) ·doi:10.1109/TPAMI.2009.77 [151] Tuytelaars，T.，van Gool，L.：基于仿射不变区域的广泛分离视图匹配。国际期刊计算。视觉。59(1), 61-85 (2004) [152] Tuytelaars，T.，Mikolajczyk，K.：局部不变特征的调查。已找到。趋势计算。图表。视觉。3(3), 177-280 (2008) [153] Voorhees，H.，Poggio，T.：检测自然图像中的纹理和纹理边界。摘自：《第一届计算机视觉国际会议论文集》（ICCV'87）。英国伦敦（1987）·Zbl 1041.68576号 [154] Weickert，J.：图像处理中的各向异性扩散。Teubner-Verlag，斯图加特（1998）·Zbl 0886.68131号 [155] van de Weijer，J.，Schmid，C.：着色局部特征提取。摘自：《欧洲计算机视觉会议进程》（ECCV 2006），《计算机科学讲稿》，第334-348页。斯普林格（2006） [156] Wiltschi，K.，Pinz，A.，Lindeberg，T.：钢质量检验的自动评估方案。机器。视觉。申请。12, 113-128 (2000) ·doi:10.1007/s001380050130 [157] Witkin，A.P.：尺度空间过滤。摘自：《第八届国际人工智能联合会议论文集》，第1019-1022页。德国卡尔斯鲁厄（1983） [158] Zhang，J.，Barhomi，Y.，Serre，T.：一种新的受生物启发的图像描述符。摘自：《欧洲计算机视觉会议进程》（ECCV 2012），《计算机科学讲稿》，第7576卷，第三页：312-324。施普林格（2012）。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。