×
瞿秀杰;赵飞;周梦哲;霍海丽

一种新的快速鲁棒的二值仿射不变描述子用于图像匹配。 （英语） Zbl 1407.68427号

数学。问题。工程师。 2014年，文章ID 129230，第7页（2014年）.
摘要：由于当前的二元描述符具有计算复杂度高、没有仿射不变性以及随着视点变化的误匹配率高的缺点，提出了一种新的二元仿射不变量描述符，称为BAND。与其他描述子不同，BAND具有一种不规则模式，它基于特征点周围的局部仿射不变区域，并且具有五个方向，这五个方向是通过LBP有效获得的。最终，通过简单的随机采样模式计算出256位二进制字符串。实验结果表明，BAND在旋转、图像缩放、噪声、光照和小尺度透视变换等条件下具有良好的匹配效果。与当前主流描述符相比，它具有更好的匹配性能，同时花费更少的时间。

MSC公司：

68吨10 模式识别、语音识别
68单位10 图像处理的计算方法

软件：

ASIFT公司;PCA-SIFT公司;SIFT公司;冲浪;布里斯克;怪胎
PDF格式BibTeX公司 XML格式引用
\textit{X.Qu}等人，《数学》。问题。Eng.2014，文章ID 129230，第7页（2014；Zbl 1407.68427）
全文： 内政部

参考文献：

[1] Lowe，D.G.，从局部尺度不变特征识别物体，第七届IEEE计算机视觉国际会议论文集（ICCV’99），IEEE·doi:10.1109/ICCV.1999.790410
[2] Lowe，D.G.，用于3D物体识别的局部特征视图聚类，IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR’01），IEEE·doi:10.1109/CVPR.2001.990541
[3] Lowe，D.G.，《尺度不变关键点的独特图像特征》，《国际计算机视觉杂志》，60，2，91-110（2004）·doi:10.1023/B:VISI.0000029664.99615.94
[4] H.海湾。；埃斯·A。；Tuytelaars，T。；van Gool，L.，《加速鲁棒特征（SURF）》，计算机视觉和图像理解，110，3，346-359（2008）·doi:10.1016/j.cviu.2007.09.014
[5] Ke，Y。；Sukthankar，R.，PCA-SIFT：局部图像描述符的更独特表示，IEEE计算机学会计算机视觉和模式识别会议论文集（CVPR'04），IEEE
[6] Mikolajczyk，K。；Schmid，C.，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（2005）·doi:10.1109/TPAMI.2005.188
[7] 莫雷尔，J.M。；Yu，G.，ASIFT：全仿射不变图像比较的新框架，SIAM成像科学杂志，2，2，438-469（2009）·Zbl 1181.68252号 ·doi:10.1137/080732730
[8] Calonder，M。；Lepetit，V。；Strecha，C.，BRIEF:二进制稳健独立基本特征，计算机视觉-ECCV 2010。计算机视觉ECCV 2010，计算机科学讲义，6314，778-792（2010），德国柏林：施普林格，德国柏林·doi:10.1007/978-3-642-15561-1_56
[9] Rublee，E。；拉博德，V。；科诺里奇，K。；Bradski，G.，ORB：SIFT或SURF的有效替代方案，IEEE计算机视觉国际会议论文集（ICCV’11），IEEE·doi:10.1109/ICCV.2011.6126544
[10] Leutenegger，S.（亮氏）。；Chli，M。；Siegwart，R.Y.，BRISK：二进制鲁棒不变可伸缩关键点，IEEE计算机视觉国际会议论文集（ICCV’11），IEEE·doi:10.1109/ICCV.2011.6126542
[11] 塔卡克斯，G。；Chandrasekhar，V。；Tsai，S.，用于大规模识别的旋转不变快速特征，数字图像处理的应用三十五·数字对象标识代码：10.1117/12.945968
[12] 阿拉希，A。；Ortiz，R。；Vandergheynst，P.，Freak:快速视网膜关键点，IEEE计算机视觉和模式识别会议论文集（CVPR’12），IEEE·doi:10.1109/CVPR.2012.6247715
[13] 马塔斯，J。；查姆·O。；厄本，M。；Pajdla，T.，来自最大稳定极值区域的鲁棒宽基线立体声，图像和视觉计算，22，10761-767（2004）·doi:10.1016/j.imavis.2004.02.006
[14] Tuytelaars，T。；van Gool，L.，基于仿射不变区域的广泛分离视图匹配，国际计算机视觉杂志，59，1，61-85（2004）·doi:10.1023/B:VISI.0000020671.28016.e8
[15] Kadir，T。；Brady，M.，《显著性、尺度和图像描述》，《国际计算机视觉杂志》，45，2，83-105（2001）·Zbl 0987.68597号 ·doi:10.1023/A:1012460413855
[16] Ojala，T。；Pietikainen，M。；Maenpaa，T.，具有局部二进制模式的多分辨率灰度和旋转不变纹理分类，IEEE模式分析和机器智能汇刊，24，7，971-987（2002）·doi:10.1109/TPAMI.2002.1017623
[17] 斯特里查，C。；冯·汉森，W。；van Gool，L。；Fua，P。；Thoennessen，U.，《关于高分辨率图像的相机校准和多视角立体对标》，第26届IEEE计算机视觉和模式识别会议论文集（CVPR’08）·doi:10.1109/CVPR.2008.4587706
[18] Rosten，E。；Drummond，T.，《高速角点检测的机器学习》，计算机视觉-ECCV 2006。计算机视觉—ECCV 2006，计算机科学讲稿，3951，430-443（2006），德国柏林：施普林格，德国柏林·doi:10.1007/11744023_34
[19] Rosten，E。；波特，R。；Drummond，T.，《更快更好：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（2010）·doi:10.1109/TPAMI.2008.275
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。