×

SIFER:具有错误恢复能力的尺度不变特征检测器。 (英语) Zbl 1286.68476号

摘要:我们提出了一种利用余弦调制高斯(CM-Gaussian)滤波器从图像中提取尺度不变特征的新方法。其平衡的尺度空间原子在尺度和空间上具有最小的扩散,尽管降低了平面旋转不变性,但仍能获得出色的尺度不变特征检测质量。除了平面旋转外,无论图像伪影和相机参数变化如何,都可以可靠地检测到角点和斑点等尖锐和分布式特征。CM高斯滤波器以指数之和近似为单个固定长度滤波器,并在所有尺度上具有相等的近似误差,从而提供恒定时间、低成本的图像滤波实现。相应数字信号处理的近似误差低于噪声阈值。它可以根据过滤器顺序进行扩展,提供了许多质量-复杂性权衡工作点。在广泛的测试台条件下,我们验证了所提出的特征检测算法在图像配准应用中的效率。

MSC公司:

68单位10 图像处理的计算方法
94A08型 信息与通信理论中的图像处理(压缩、重建等)
68T45型 机器视觉和场景理解
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] Aanæs,H.、Dahl,A.和;Steenstrup Pedersen,K.(2011年)。兴趣点:对独特数据集上兴趣点性能的比较研究。国际计算机视觉杂志,97(1),18-35·Zbl 06023422号 ·doi:10.1007/s11263-011-0473-8
[2] Alahi,A.、Ortiz,R.和;Vandergheynst,P.(2012年)。FREAK:快速视网膜关键点。在美国罗得岛州普罗维登斯举行的IEEE计算机视觉和模式识别会议上。
[3] Bay,H.(2011)。SURF实施。网址:http://www.vision.ee.ethz.ch/\(\sim\)冲浪/。2012年1月15日查阅。
[4] Bay,H.、Andreas,E.、Tuytelaars,T.和;Van Gool,L.(2008)。加速强大功能(SURF)。计算机视觉和图像理解,110(3),346–359·Zbl 05363027号 ·doi:10.1016/j.cviu.2007.09.014
[5] Beaudet,P.(1978年)。旋转不变图像操作符。模式识别国际会议,日本京都,第579–583页。
[6] Bendale,P.、Triggs,B.和;Kingsbury,N.(2010年)。基于复小波的多尺度关键点分析。《英国机器视觉会议论文集》,Aberystwyth,第49.1-49.10页。
[7] Brown,M.和;Lowe,D.(2002)。兴趣点组中的不变特征。英国机器视觉会议,加的夫,第656–665页。
[8] Cornelis,N.和;Van Gool,L.(2008)。基于可编程图形硬件的快速尺度不变特征检测与匹配。2008年IEEE计算机学会计算机视觉和模式识别研讨会(CVPRW’08),美国阿拉斯加州安克雷奇,第1-8页。
[9] 克里特岛,F.,多尔米耶,T.,拉德雷特,P.,&;Nicolas,M.(2007年)。模糊效应:使用新的无参考感知模糊度量进行感知和估计。《人类视觉和电子成像XII》(第6492卷,第64920I页)。圣何塞:SPIE会议记录。
[10] Daugman,J.(1988)。通过神经网络完成离散2-d gabor变换,用于图像分析和压缩。IEEE声学、语音和信号处理汇刊,36(7),1169–1179·Zbl 0709.94577号 ·数字对象标识代码:10.1109/29.1644
[11] Deng,H.,Zhang,W.,Mortensen,E.,Dietterich,T.,&;Shapiro,L.(2007)。用于目标识别的基于主曲率的区域检测器。在美国明尼阿波利斯IEEE计算机视觉和模式识别会议上,第1-8页。
[12] Deriche,R.(1993)。递归实现高斯及其导数。INRIA:技术代表。
[13] 医学硕士费希勒;Bolles,R.C.(1981)。随机样本一致性:模型拟合的范例,应用于图像分析和自动制图。ACM通信,24(6),381-395·数字对象标识代码:10.1145/358669.358692
[14] Forstner,W.(1994)。低层特征提取框架。第三届欧洲会议记录,计算机视觉第二卷,瑞典斯德哥尔摩:Springer-Verlag New York,Inc,第383-394页。
[15] Gao,X.、Sattar,F.和;Venkateswalu,R.(2007年)。基于对数小波变换的灰度图像多尺度角点检测。IEEE视频技术电路和系统汇刊,17(7),868–875·Zbl 05451701号 ·doi:10.1109/TCSVT.2007.897473
[16] C.哈里斯;Stephens,M.(1988年)。角点和边缘检测相结合。《第四届阿尔维视觉会议论文集》,英国曼彻斯特,第147-151页。
[17] Hartley,R.和;Zisserman,A.(2000年)。计算机视觉中的多视图几何。(第87–127页),剑桥:剑桥大学出版社·Zbl 0956.68149号
[18] Horaud,R.P.、Skordas,T.和;Veillon,F.(1990)。在图像中查找几何结构和关系结构。《第一届欧洲计算机视觉会议论文集》,法国安提布斯,第427卷,第374-384页。
[19] 黄,F.,黄,S.,克尔,J.,&;陈毅(2012)。用于实时图像特征提取的高性能SIFT硬件加速器。视频技术电路和系统,IEEE汇刊,22(3),340-351。
[20] Kadir,T.、Zisserman,A.和;Brady,J.M.(2004)。仿射不变显著区域检测器。在T.Pajdla&J.Matas(编辑),欧洲计算机视觉会议,捷克共和国布拉格:施普林格-柏林-海德堡·Zbl 1098.68786号
[21] Kovesi P(2003)相位一致性检测角点和边缘。澳大利亚模式识别学会会议:DICTA 2003,澳大利亚悉尼,第309-318页。
[22] Lindeberg,T.(1990年)。离散信号的缩放空间。IEEE模式分析和机器智能汇刊,12,234–254·Zbl 05110925号 ·doi:10.1109/34.49051
[23] Lindeberg,T.(1998)。具有自动比例选择的特征检测。国际计算机视觉杂志,30,79-116·Zbl 05469779号 ·doi:10.1023/A:1008045108935
[24] Lowe,D.G.(2004)。具有与比例不变关键点不同的图像特征。国际计算机视觉杂志,60(2),91–110·Zbl 02244065号 ·doi:10.1023/B:VISI.0000029664.99615.94
[25] Mainali,P.、Yang,Q.、Lafruit,G.、Van Gool,L.和;Lauwereins,R.(2010年)。鲁棒的低复杂度角点检测器。IEEE视频技术电路和系统汇刊,21,87–127。
[26] Mallat,S.(2008)。信号处理的小波巡视(第三版)。圣地亚哥:学术出版社·兹比尔0998.94510
[27] Marquardt,D.W.(1963年)。非线性参数的最小二乘估计算法。《工业和应用数学学会杂志》,11(2),431-441·Zbl 0112.10505号 ·doi:10.1137/0111030
[28] Matas,J.、Chum,O.、Martin,U.和;Pajdla,T.(2002)。来自最大稳定极值区域的稳健宽基线立体声。《英国机器视觉会议论文集》第1卷,第384-393页。
[29] Maver,J.(2010)。自我相似性和兴趣点。IEEE模式分析和机器智能汇刊,32(7),1211-1226。
[30] Mikolajczyk,K.(2007年)。牛津数据集。http://www.robots.ox.ac.uk/\(\sim\)vgg/research/affine。2012年1月15日访问。
[31] Mikolajczyk,K.,&;Schmid,C.(2004)。尺度和仿射不变兴趣点检测器。国际计算机视觉杂志,60(1),63–86·Zbl 02244064号 ·doi:10.1023/B:VISI.0000027790.02288.f2
[32] Mikolajczyk,K.,&;施密德,C.(2005)。局部描述符的性能评估。IEEE模式分析和机器智能汇刊,27(10),1615-1630。
[33] Mokhtarian,F.和;Suomela,R.(1998)。通过曲率尺度空间进行鲁棒的图像角点检测。IEEE模式分析和机器智能汇刊,20(12),1376–1381·doi:10.1109/34.735812
[34] Moreno,P.、Bernardino,A.和;Victor,S.J.(2005)。基于外观的特征点检测与固有的尺度频率描述符。过程中。第五届可视化、成像和图像处理国际会议(VIIP),西班牙贝尼多姆。
[35] Neubeck,A.和;Van Gool,L.(2006)。有效的非最大值抑制。过程中。IEEE模式识别国际会议,香港,第3卷,第850–855页。
[36] Rosten,E.、Porter,R.和;Drummond,T.(2010)。更快更好:一种用于角点检测的机器学习方法。IEEE模式分析和机器智能汇刊,32(1),105–119·doi:10.1109/TPAMI.2008.275
[37] Schmid,C.、Mohr,R.和;Bauckhage,C.(2000年)。兴趣点检测器的评估。国际计算机视觉杂志,37(2),151-172·Zbl 0985.68625号 ·doi:10.1023/A:1008199403446
[38] Shilat,F.、Werman,M.和;Gdalyhn,Y.(1997)。Ridge的角点检测和通信。过程中。计算机视觉和模式识别会议IEEE,圣胡安,PR,第976–981页。
[39] Smith,S.M.和;Brady,J.M.(1997)。SUSAN–一种新的低层图像处理方法。国际计算机视觉杂志,23(1),45-78·Zbl 05472115号 ·doi:10.1023/A:1007963824710
[40] Tack,N.、Lambrechts,A.、Sousana,P.和;Haspeslagh,L.(2012年)。一种紧凑、高速、低成本的高光谱成像仪。在光子学西部,Proc。SPIE第8266卷,第82660Q–82660Q-13页。
[41] Tola,E.、Lepetit,V.和;Fua,P.(2008)。用于密集匹配的快速局部描述符。在IEEE计算机视觉和模式识别会议上,安克雷奇,阿拉斯加州,第1-8页。
[42] 托马西,C.,&Kanade,T.(1991)。点特征的检测和跟踪。卡内基梅隆大学技术代表CMU-CS-91-132。
[43] Tuytelaars,T.和;Van Gool,L.(2004)。基于仿射不变区域匹配广泛分离的视图。国际计算机视觉杂志,59(1),61-85·doi:10.1023/B:VISI.0000020671.28016.e8
[44] Vedaldi,A.(2011年)。开源SIFT实现。http://www.vlfeat.org/\(\sim\)vedaldi/code/siftpp.html。2012年1月15日访问。
[45] Young,I.、van Vliet,L.和;van Ginkel,M.(2002)。递归gabor滤波。IEEE信号处理学报,50(11),2798–2805·doi:10.1109/TSP.2002.804095
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。