×
马嘉仪；赵，季；蒋俊军；周华兵；郭晓杰

保持位置匹配。 （英语） Zbl 1458.68241号

国际期刊计算。视觉。 127，第5号，512-531（2019）.
摘要：在两个特征集之间寻找可靠的对应关系是计算机视觉中的一项基本而重要的任务。本文试图从给定的假定图像特征对应中去除不匹配。为了实现这一目标，设计了一种有效的局部保持匹配（LPM）方法，其原理是保持潜在真匹配的局部邻域结构。我们将问题转化为一个数学模型，并推导出具有线性时间和线性空间复杂性的闭合解。我们的方法可以在几毫秒内从数千个假定的通信中完成失配消除。为了证明我们处理图像匹配问题的策略的通用性，在各种真实图像对上进行了广泛的实验，用于一般特征匹配，以及点集配准、视觉归位和近重复图像检索。与其他最先进的替代方案相比，我们的LPM在准确度方面取得了更好或有利的竞争性能，同时将时间成本大幅降低了两个数量级以上。

引用于2文件

MSC公司：

68T45型 机器视觉和场景理解
62华氏35 多元分析中的图像分析
90 C90 数学规划的应用

关键词：

特征匹配；图像配准；地方保护；刚性变换和非刚性变换；异常值剔除

软件：

Vlfeat公司；SIFT公司；总经理
PDF格式BibTeX公司 XML格式引用
\textit{J.Ma}等人，《国际计算杂志》。视觉。127，第5号，512-531（2019；Zbl 1458.68241）
全文： 内政部

参考文献：

[1] Aanæs，H.、Jensen，R.R.、Vogiatzis，G.、Tola，E.和Dahl，A.B.（2016）。用于多视图立体视觉的大比例数据。国际计算机视觉杂志，120（2），153-168。
[2] Adamczewski，K.，Suh，Y.，Mu Lee，K.：图匹配的离散禁忌搜索。摘自：第十届欧洲计算机视觉会议记录，第109-117页（2015）
[3] Bai，X.，Yang，X.、Latecki，L.J.、Liu，W.和Tu，Z.（2010）。通过图形传递学习上下文相关的形状相似性。IEEE模式分析和机器智能汇刊，32（5），861-874。
[4] Belongie，S.、Malik，J.和Puzicha，J.（2002）。使用形状上下文进行形状匹配和对象识别。IEEE模式分析和机器智能汇刊，24（24），509-522。
[5] Bentley，J.L.（1975）。用于关联搜索的多维二进制搜索树。ACM通信，18（9），509-517·Zbl 0306.68061号
[6] Besl，P.J.和McKay，N.D.（1992年）。一种三维形状的配准方法。IEEE模式分析和机器智能汇刊，14（2），239-256。
[7] Bian，J.，Lin，W.Y.，Matsushita，Y.，Yeung，S.K.，Nguyen，T.D.，Cheng，M.M.：GMS：基于栅格的运动统计，用于快速、超稳健的特征对应。摘自：第十届欧洲计算机视觉模式识别会议记录，第2828-2837页（2017）
[8] Boughorbel，F.、Koschan，A.、Abidi，B.和Abidi（2004）。高斯场：三维刚性配准的新标准。模式识别，37（7），1567-1571。
[9] Chen，J.、Wang，Y.、Luo，L.、Yu，J.G.和Ma，J.（2016）。基于图像类间相似性的图像检索。模式识别字母，83，379-387。
[10] Cho，M.，Lee，K.M.：通过随机游动在图上进行模式搜索。在：《欧洲计算机视觉模式识别会议记录》，第606-613页（2012年）
[11] Cho，M.，Lee，K.M.：渐进图匹配：通过概率投票移动图。摘自：《欧洲计算机视觉模式识别会议记录》，第398-405页（2012年）
[12] Chui，H.和Rangarajan，A.（2003年）。一种新的非刚性配准点匹配算法。计算机视觉和图像理解，89114-141·Zbl 1053.68123号
[13] Chum，O.，Matas，J.：与PROSAC匹配-渐进样本共识。摘自：《欧洲计算机视觉模式识别会议记录》，第220-226页（2005）
[14] Churchill，D.和Vardy，A.（2013年）。一种方向不变的视觉寻的算法。《智能与机器人系统杂志》，71（1），3-29。
[15] Fischler，M.A.和Bolles，R.C.（1981年）。随机样本共识：模型拟合的范例，应用于图像分析和自动制图。ACM通讯，24（6），381-395。
[16] Gao，Y.、Ma，J.和Yuille，A.L.（2017）。用于标记样本不足的人脸识别的半监督稀疏表示分类。IEEE图像处理汇刊，26（5），2545-2560·Zbl 1409.94172号
[17] 郭，X，&曹，X（2012）。使用三角形约束进行良好的匹配探索。模式识别字母，33（7），872-881。
[18] Horaud，R.、Forbes，F.、Yguel，M.、Dewaele，G.和Zhang，J.（2011年）。具有期望条件最大化的刚性和铰接点配准。IEEE模式分析和机器智能汇刊，33（3），587-602。
[19] Hu，Y.T.、Lin，Y.Y.、Chen，H.Y.、Hsu，K.J.和Chen，B.Y.（2015）。用多个描述符匹配图像：一种无监督的局部自适应描述符选择方法。IEEE图像处理汇刊，24（12），5995-6010·Zbl 1408.94273号
[20] Huber，P.J.（1981）。稳健的统计数据。纽约：John Wiley&Sons·Zbl 0536.62025号
[21] Jian，B.和Vemuri，B.C.（2011年）。使用高斯混合模型的鲁棒点集配准。IEEE模式分析和机器智能汇刊，33（8），1633-1645。
[22] 江J.、陈C.、马J.、王Z.、王Z.&胡R.（2017）。Srlsp：使用局部结构先验平滑回归的人脸图像超分辨率算法。IEEE多媒体汇刊，19（1），27-40。
[23] Jinda-Apiraksa，A.，Vonikakis，V.，Winkler，S.：加州ND：个人照片收藏中近重复检测的注释数据集。在：QoMEX，第142-147页（2013）
[24] Kim，V.G.、Lipman，Y.和Funkhouser，T.（2011）。混合的内部贴图。ACM图形学报，30（4），79。
[25] Leordeanu，M.，Hebert，M.：利用成对约束解决对应问题的谱技术。摘自：IEEE计算机视觉国际会议论文集，第1482-1489页（2005）
[26] Li，X.和Hu，Z.（2010）。通过对应函数拒绝不匹配。国际计算机视觉杂志，89（1），1-17。
[27] Lin，W.Y.，Cheng，M.M.，Lu，J.，Yang，H.，Do，M.N.，Torr，P.：全局运动建模的双边函数。摘自：IEEE计算机视觉国际会议论文集，第341-356页（2014）
[28] Lin，W.Y.，Cheng，M.M.，Zheng，S.，Lu，J.，Crook，N.：用于对应建模的稳健非参数数据拟合。收录于：《IEEE国际计算机视觉会议论文集》，第2376-2383页（2013）
[29] Lin，W.Y.，Wang，F.，Cheng，M.M.，Yeung，S.K.，Torr，P.H.，Do，M.N.等人（2018年）。代码：特征对应的基于一致性的决策边界。IEEE模式分析和机器智能汇刊，40（1），34-47。
[30] Lipman，Y.、Yagev，S.、Poranne，R.、Jacobs，D.W.和Basri，R.（2014）。有界畸变的特征匹配。ACM图形汇刊，33（3），26·Zbl 1322.68244号
[31] Liu，H.，Yan，S.：通过空间相干对应发现常见视觉模式。摘自：IEEE计算机视觉和模式识别会议，第1609-1616页（2010）
[32] Liu，M.、Pradalier，C.和Siegwart，R.（2013）。使用未校准的全向相机从刻度上进行视觉归航。IEEE机器人学报，29（6），1353-1365。
[33] Liu，Y.、Dominicis，L.、Wei，B.、Chen，L.和Martin，R.（2015）。基于正则化的迭代点匹配加权，用于精确的刚性变换估计。IEEE可视化和计算机图形汇刊，21（9），1058-1071。
[34] Lowe，D.（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。
[35] 马J.、江J.、刘C.和李Y.（2017）。基于半监督em和局部几何约束的特征引导高斯混合模型用于视网膜图像配准。信息科学，417128-142·Zbl 1444.92054号
[36] 马J.、江J.、周H.、赵J.和郭X.（2018）。遥感图像配准中的引导局部保持特征匹配。IEEE地球科学与遥感汇刊，56（8），4435-4447。
[37] Ma，J.，Zhao，J.、Guo，H.、Jiang，J、Zhou，H.和Gao，Y.：局部保持匹配。在：《国际人工智能联合会议记录》，第4492-4498页（2017）
[38] 马，J.，赵，J.、江，J.和周，H.：流形正则化下具有鲁棒变换估计的非刚性点集配准。摘自：《AAAI人工智能会议论文集》，第4218-4224页（2017年）
[39] Ma，J.，Zhao，J.、Jiang，J..、Zhou，H.、Zhow，Y.、Wang，Z.、Guo，X.：通过引导的局部保持匹配实现视觉归位。摘自：IEEE机器人与自动化国际会议记录，第7254-7261页（2018年）
[40] Ma，J.，Zhao，J.、Ma，Y.和Tian，J.（2015）。基于正则高斯场准则的非刚性可见光和红外人脸配准。模式识别，48（3），772-784。
[41] Ma，J.，Zhao，J.、Tian，J.和Tu，Z.、Yuille，A.：点集配准非刚性变换的稳健估计。摘自：IEEE会议论文集计算机视觉模式识别，第2147-2154页（2013）
[42] 马J.、赵J.、田J.、Yuille，A.L.和Tu，Z（2014）。通过向量场一致性进行稳健的点匹配。IEEE图像处理汇刊，23（4），1706-1721·Zbl 1374.94246号
[43] Ma，J.、Zhao，J.和Yuille，A.L.（2016）。通过保持全局和局部结构进行非刚性点集配准。IEEE图像处理汇刊，25（1），53-64·Zbl 1408.94463号
[44] Ma，J.、Zhou，H.、Zhao，J.，Gao，Y.、Jiang，J..和Tian，J.（2015）。基于局部线性变换的遥感图像配准鲁棒特征匹配。IEEE地球科学与遥感汇刊，53（12），6469-6481。
[45] Maier，J.、Humenberger，M.、Murschitz，M.，Zendel，O.、Vincze，M.：基于统计光流的引导匹配，用于快速可靠的对应分析。摘自：《欧洲计算机视觉会议记录》，第101-117页（2016）
[46] Micchelli，C.A.和Pontil，M.（2005）。关于向量值函数的学习。神经计算，17（1），177-204·Zbl 1092.93045号
[47] Mikolajczyk，K.，Tuytelaars，T.，Schmid，C.，Zisserman，A.，Matas，J.，Schafalitzky，F.等人（2005年）。仿射区域检测器的比较。国际计算机视觉杂志，65（1），43-72。
[48] Möller，R.和Vardy，A.（2006年）。在图像距离上通过匹配滤波器下降实现局部视觉归航。生物控制论，95（5），413-430·Zbl 1129.92021号
[49] Myronenko，A.和Song，X.（2010年）。点集配准：相干点漂移。IEEE模式分析和机器智能汇刊，32（12），2262-2275。
[50] Papadimitriou，C.H.和Steiglitz，K.（1982年）。组合优化：算法和复杂性。北切姆斯福德：Courier Corporation·Zbl 0503.90060号
[51] Pele，O.，Werman，M.：用于改进SIFT匹配的线性时间直方图度量。摘自：《欧洲计算机视觉会议记录》，第495-508页（2008年）
[52] Rusu，R.B.，Blodow，N.，Beetz，M.：用于三维注册的快速点特征直方图（FPFH）。In：程序。IEEE机器人与自动化国际会议，第3212-3217页（2009年）
[53] Schroeter，D.和Newman，P.（2008）。地标不确定性下视觉寻的鲁棒性研究。智能自治系统，10278-287。
[54] Tola，E.、Lepetit，V.和Fua，P.（2010年）。雏菊：应用于宽基线立体声的高效密集描述符。IEEE模式分析和机器智能汇刊，32（5），815-830。
[55] Torr，P.H.S.和Zisserman，A.（2000年）。MLESAC：一种新的稳健估计器，用于估计图像几何。计算机视觉和图像理解，78（1），138-156。
[56] Torresani，L.，Kolmogorov，V.，Rother，C.：通过图匹配的特征对应：模型和全局优化。摘自：《欧洲计算机视觉会议记录》，第596-609页（2008年）
[57] Vedaldi，A.，Fulkerson，B.：VLFeat——一个开放的、可移植的计算机视觉算法库。摘自：ACM多媒体国际会议记录，第1469-1472页（2010年）
[58] Wang，C.，Wang，L.，Liu，L.：稀疏特征匹配的图的渐进模式搜索。摘自：第十届欧洲计算机视觉会议记录，第788-802页（2014）
[59] Wang，G.，Wang，Z.，Chen，Y.，Liu，X.，Ren，Y.&Peng，L.（2016）。在流形正则化下学习相干向量场进行鲁棒点匹配。神经计算，216393-401。
[60] Wang，G.，Wang，Z.，Chen，Y.，Zhou，Q.，Zhao，W.：非刚性点集注册的上下文高斯场。摘自：IEEE计算机视觉模式识别会议记录，第5811-5819页（2016）
[61] Wang，G.，Wang，Z.，Chen，Y.，Zhou，Q.，&Zhao，W.（2016）。通过多属性驱动的正则化混合模型消除视网膜图像配准中的不匹配。信息科学，372492-504。
[62] Yang，K.、Pan，A.、Yang，Y.、Zhang，S.、Ong，S.H.和Tang，H.（2017）。使用多图像特征的遥感图像配准。遥感，9（6），581。
[63] Yang，Y.、Ong，S.H.和Foong，K.W.C.（2015）。一种鲁棒的基于全局和局部混合距离的非刚性点集配准方法。模式识别，48（1），156-173。
[64] Zhao，J.，Ma，J.：稀疏运动流的鲁棒插值视觉归位。In：程序。IEEE/RSJ智能机器人和系统国际会议，第1282-1288页（2017年）
[65] Zheng，Y.和Doermann，D.（2006）。通过保持局部邻域结构对非刚性形状进行鲁棒点匹配。IEEE模式分析和机器智能汇刊，28（4），643-649。
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。