凯泽特色

KAZE特征是一种完全在非线性尺度空间中工作的二维特征检测与描述方法。以前的方法，如SIFT或SURF在高斯尺度空间（特别是线性扩散的实例）中寻找特征。然而，高斯模糊不考虑物体的自然边界，在尺度空间演化原始图像时，对细节和噪声进行相同程度的平滑处理。通过非线性扩散，我们可以检测和描述非线性尺度空间中的特征，保持重要的图像细节，消除噪声，只要我们在尺度空间演化图像。我们使用变电导扩散，这是非线性扩散最简单的情况之一。利用加法算子分裂（AOS）方法有效地建立了非线性尺度空间，该方法对任何步长都是稳定的，并且是可并行的。加速KAZE特征使用了一个新的数学框架，称为快速显式扩散（FED）嵌入一个金字塔框架，大大加快了非线性尺度空间计算的速度。此外，我们计算了一个鲁棒的修正局部差分二进制（M-LDB）描述符，它利用了非线性尺度空间中的梯度信息。在某些数据集中，A-KAZE可以获得与KAZE相当的结果，但比KAZE快几个数量级。我们的结果表明，对于常见的二维图像匹配应用，重复性和区分性有了很大的提高

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献10条)

显示第1到第10个结果，共10个。
按年份排序(引用)

  1. 马佳怡；蒋兴宇；范敖翔；蒋俊军；颜俊奇：从手工到深层特征的图像匹配：一项调查（2021年）
  2. 素云公园；Carriquiry，Alicia:一种使用最大团和加速鲁棒特征比较二维鞋类外底图像的算法（2020）
  3. 张伟川；孙长明：多尺度多向结构张量角点检测（2020）
  4. 库马尔、莫希特；查特吉，斯罗蒙纳；张卫平；杨景志；Kolbe，Lutz M.：基于模糊理论模型的图像特征分析（2019）
  5. 马弗，贾斯娜；Skočaj，Danijel:EL:基于对二维高斯函数偏导数的极端响应的局部图像描述符（2019）
  6. Lindeberg，Tony:视频数据中的时空尺度选择（2018）
  7. 罗德里格斯，马里亚诺；德隆，朱莉；莫雷尔，让·米歇尔：覆盖倾斜的空间。仿射不变图像比较的应用（2018）
  8. 王承友；张志；Zhou，Xiao:一种基于A-KAZE和SURF特征的图像拷贝移动伪造检测方案（2018）
  9. 厄兹古尔，厄洛尔；Bartoli，Adrien:Particle SfT:一种可证明收敛的快速模板形状算法（2017）
  10. 阿尔坎塔里拉，巴勃罗·费尔南德斯；巴托利，阿德里安；戴维森，安德鲁J.：凯泽特色（2012）ioport公司