×

从手工制作到深层特征的图像匹配:一项调查。 (英语) Zbl 1483.68439

摘要:图像匹配是各种视觉应用中的一项基本而关键的任务,它可以从两幅或多幅图像中识别出相同或相似的结构/内容。近几十年来,随着深度学习技术的发展,人们提出了越来越多的图像匹配方法。然而,对于针对不同场景和任务需求的特定应用,以及如何设计在准确性、鲁棒性和效率方面具有优异性能的更好的图像匹配方法,可能会留下一些悬而未决的问题。这促使我们对这些经典和最新技术进行全面、系统的回顾和分析。在基于特征的图像匹配流水线的基础上,我们首先介绍了从手工到可训练的特征检测、描述和匹配技术,并对这些方法在理论和实践上的发展进行了分析。其次,简要介绍了几种典型的基于图像匹配的应用,全面了解了图像匹配的意义。此外,我们还通过对典型数据集的大量实验,对这些经典技术和最新技术进行了全面、客观的比较。最后,对图像匹配技术的现状进行了总结,并对未来的工作进行了深入的探讨和展望。本文的研究成果可供(但不限于)图像匹配及相关领域的研究人员和工程师参考。

理学硕士:

68T45型 机器视觉与场景理解
68T07型 人工神经网络与深度学习
68U10 图像处理的计算方法
PDF格式 BibTeX公司 XML 引用
全文: 内政部

参考文献:

[1] 安æs,H。;达尔,艾尔;皮尔森,堪萨斯州,有趣的兴趣点,国际计算机视觉杂志,97,1,18-35(2012)
[2] 安æs,H。;詹森,RR;沃吉亚齐斯,G。;托拉,E。;Dahl,AB,多视点立体视觉的大尺度数据,国际计算机视觉杂志,120,2153-168(2016)
[3] Abdel Hakim,A.E.和Farag,A.A.(2006年)。Csift:具有颜色不变特性的sift描述符。IEEE计算机视觉和模式识别会议论文集,1978-1983页。
[4] Adamczewski,K.,Suh,Y.和Mu Lee,K.(2015年)。图匹配的离散禁忌搜索。IEEE国际计算机视觉会议论文集,第109-117页。
[5] 亚当斯,WP;张国强,张国强,二次分配问题的改进线性规划下界,离散数学与理论计算机科学中的DIMACS级数,16,43-77(1994)·邮政编码:0819.90049
[6] 阿法洛,Y。;杜布罗维纳,A。;Kimmel,R.,光谱广义多维标度,国际计算机视觉杂志,118,3,380-392(2016)·Zbl 1380.68392
[7] Agrawal,M.,Konolige,K.和Blas,M.R.(2008年)。谴责:中心环绕极值,用于实时特征检测和匹配。欧洲计算机视觉会议记录,第102-115页。
[8] Alahi,A.,Ortiz,R.和Vandergheynst,P.(2012年)。怪胎:快速视网膜关键点。在IEEE计算机视觉和模式识别会议论文集,第510-517页。
[9] Alcantarilla,P.F.,Bartoli,A.和Davison,A.J.(2012年),Kaze features。欧洲计算机视觉会议记录,第214-227页。
[10] 阿尔坎塔里拉;Solutions,T.,非线性尺度空间中加速特征的快速显式扩散,IEEE模式分析与机器智能汇刊,34,7,1281-1298(2011)
[11] Aldana Iuit,J.,Mishkin,D.,Chum,O.和Matas,J.(2016年)。在马鞍上:追求快速和可重复的特征。《模式识别国际会议论文集》,第675-680页。
[12] 阿尔莫哈迈德。;Duffuaa,SO,加权图匹配问题的线性规划方法,IEEE模式分析与机器智能汇刊,15,5,522-525(1993)
[13] Amberg,B.,Romdhani,S.和Vetter,T.(2007年)。曲面配准的最优步进非刚性ICP算法。IEEE计算机视觉与模式识别会议论文集,第1-8页。
[14] Angeli,A.,Filliat,D.,Doncieux,S.和Meyer,J.A.(2008年)。一种基于视觉词包的快速递增循环闭合检测方法。在:IEEE机器人事务,第1027-1037页。
[15] Arandjelović,R.和Zisserman,A.(2012年)。为了改进对象检索,每个人都应该知道三件事。IEEE计算机视觉与模式识别会议论文集,第2911-2918页。
[16] Arar,M.,Ginger,Y.,Danon,D.,Bermano,A.H.和Cohen Or,D.(2020年)。基于保几何的图像到图像的无监督多模态图像配准。在IEEE/CVF计算机视觉和模式识别会议论文集,13410-13419页。
[17] Aubry,M.,Schlickewei,U.和Cremers,D.(2011年)。波核特征:形状分析的量子力学方法。IEEE国际计算机视觉研讨会会议记录,第1626-1633页。
[18] Avrithis,Y。;Tolias,G.,Hough金字塔匹配:大规模图像检索的加速几何重排序,《国际计算机视觉杂志》,107,1,1-19(2014)
[19] Awrangjeb,M。;吕G,基于弦点距离累积技术的鲁棒图像角点检测,IEEE多媒体学报,10,6,1059-1072(2008)
[20] Awrangjeb,M。;吕,G。;弗雷泽,CS,基于轮廓的角点检测器的性能比较,IEEE图像处理汇刊,21,9,4167-4179(2012)·Zbl 1373.94762号
[21] 巴贝,L.(2018年)。群,图,算法:图同构问题。《国际数学家大会论文集》,3319-3336页·Zbl 07250606
[22] Balntas,V.,Johns,E.,Tang,L.和Mikolajczyk,K.(2016a)。Pn-net:用于学习局部图像描述符的连体三重深层网络。arXiv预印本arXiv:1601.05030。
[23] Balntas,V.,Lenc,K.,Vedaldi,A.和Mikolajczyk,K.(2017年)。Hpatches:手工制作和学习的本地描述符的基准和评估。在IEEE计算机视觉和模式识别会议论文集,第5173-5182页。
[24] Balntas,V.,Riba,E.,Ponsa,D.和Mikolajczyk,K.(2016b)。用三元组和浅卷积神经网络学习局部特征描述子。英国机器视觉会议论文集,第1-11页。
[25] Barath,D.和Matas,J.(2018年)。图形切割ransac。在IEEE计算机视觉和模式识别会议论文集,第6733-6741页。
[26] Barath,D.,Ivashechkin,M.和Matas,J.(2019a年)。渐进式napsac:从逐渐增长的社区中取样。arXiv预印本arXiv:1906.02295。
[27] Barath,D.,Matas,J.和Noskova,J.(2019b年)。Magsac:边缘化样本共识。IEEE计算机视觉和模式识别会议论文集,第10197-10205页。
[28] Barath,D.,Noskova,J.,Ivashechkin,M.,和Matas,J.(2020年)。Magsac++,一个快速、可靠和精确的鲁棒估计器。IEEE/CVF计算机视觉和模式识别会议论文集,1304-1312页。
[29] Barroso Laguna,A.,Riba,E.,Ponsa,D.和Mikolajczyk,K.(2019年)。钥匙。net:通过手工制作和学习CNN过滤器进行关键点检测。在IEEE国际计算机视觉会议记录,第5836-5844页。
[30] Bay,H.,Tuytelaars,T.和Van Gool,L.(2006年)。冲浪:加速强大的功能。欧洲计算机视觉会议记录,第404-417页。
[31] 海湾,H。;Ess,A。;图耶特拉斯,T。;范古尔,L.,《加速鲁棒特征(surf),计算机视觉和图像理解》,110,3346-359(2008)
[32] Bazin,J.C.,Seo,Y.和Pollefeys,M.(2012年)。基于旋转搜索的全局最优一致集最大化。亚洲计算机视觉会议论文集,第539-551页。
[33] 贝拉维亚,F。;科伦坡,C.,关于筛选匹配有什么新的说法吗?,国际计算机视觉杂志,12831847-1866(2020)
[34] Belongie,S.,Malik,J.和Puzicha,J.(2001年)。形状上下文:一种用于形状匹配和对象识别的新描述符。神经信息处理系统进展,第831-837页。
[35] 贝隆吉,S。;马里克,J。;Puzicha,J.,使用形状上下文的形状匹配和对象识别,IEEE模式分析和机器智能汇刊,4509-522(2002)
[36] Bernard,F.,Theobalt,C.和Moeller,M.(2018年)。Ds*:二次匹配问题的紧提升自由凸松弛。在IEEE计算机视觉和模式识别会议论文集,第4310-4319页。
[37] Bernard,F.,Thunberg,J.,Swoboda,P.,和Theobalt,C.(2019年)。Hippi:用于可伸缩多匹配的高阶投影幂迭代。IEEE国际计算机视觉会议论文集,第10284-10293页。
[38] Besl,P.J.和McKay,N.D.(1992年)。三维形状的配准方法。传感器融合IV:控制范式和数据结构,第1611卷,第586-607页。
[39] Bhattacharjee,D.和Roy,H.(2019年)。局部引力模式(plgf):一种新的局部图像描述子。模式分析和机器智能。
[40] Bhowmik,A.,Gumhold,S.,Rother,C.和Brachmann,E.(2020年)。增强特征点:优化高级任务的特征检测和描述。IEEE/CVF计算机视觉和模式识别会议论文集,第4948-4957页。
[41] Bian,J.,Lin,W.Y.,Matsushita,Y.,Yeung,S.K.,Nguyen,T.D.,和Cheng,M.M.(2017年)。Gms:基于网格的运动统计,用于快速、超健壮的特征对应。IEEE计算机视觉和模式识别会议论文集,4181-4190页。
[42] Biasotti,S.,Cerri,A.,Bronstein,A.和Bronstein,M.(2016年)。三维形状相似性评估的最新趋势、应用和前景。计算机图形学论坛,第35卷,威利在线图书馆,第87-119页。
[43] 布莱斯,G。;Levine,医学博士,注册多视图范围数据以创建3d计算机对象,IEEE模式分析与机器智能汇刊,17,8820-824(1995)
[44] Bonny,M.Z.和Uddin,M.S.(2016年)。基于特征的图像拼接算法。国际计算智能研讨会论文集,第198-203页。
[45] Boscaini,D.,Masci,J.,Melzi,S.,Bronstein,M.M.,Castellani,U.和Vandergheynst,P.(2015年)。使用局部谱卷积网络学习可变形形状的类特定描述符。计算机图形学论坛,第34卷,威利在线图书馆,第13-23页。
[46] Boscaini,D.,Masci,J.,RodoláE.,和Bronstein,M.(2016年)。用各向异性卷积神经网络学习形状对应。神经信息处理系统进展,3189-3197页。
[47] Brachmann,E.和Rother,C.(2019年)。神经引导的RANSAC:学习从哪里取样模型假设。在IEEE国际计算机视觉会议记录,第4322-4331页。
[48] Brachmann,E.,Krull,A.,Nowozin,S.,Shotton,J.,Michel,F.,Gumhold,S.和Rother,C.(2017年)。Dsac可微RANSAC用于摄像机定位。在IEEE计算机视觉和模式识别会议论文集,第6684-6692页。
[49] Bronstein,M.M.和Kokkinos,I.(2010年)。非刚性形状识别的尺度不变热核特征。在IEEE计算机视觉和模式识别会议论文集,第1704-1711页。
[50] 布朗斯坦,美国;布朗斯坦,MM;《广义多维标度:等距不变部分曲面匹配的框架》,《国家科学院学报》,第103期,第5168-1172页(2006年)·Zbl 1160.65306
[51] 布朗,M。;华,G。;Winder,S.,局部图像描述符的判别学习,IEEE模式分析与机器智能汇刊,33,1,43-57(2010)
[52] 布朗,M。;Lowe,DG,使用不变特征的自动全景图像拼接,国际计算机视觉杂志,74,1,59-73(2007)
[53] 卡利,T。;Kosinov,S.,不精确图匹配的特征空间投影聚类方法,IEEE模式分析与机器智能汇刊,26,4,515-519(2004)
[54] 卡塔诺,TS;麦考利,JJ;郑,L。;乐,QV;Smola,AJ,学习图匹配,IEEE模式分析与机器智能汇刊,31,6,1048-1058(2009)
[55] 蔡,H。;Mikolajczyk,K。;Matas,J.,《学习线性判别投影用于图像描述符的降维,IEEE模式分析与机器智能汇刊》,33,2,338-352(2010)
[56] Calonder,M.,Lepetit,V.,Strecha,C.和Fua,P.(2010年)。简介:二进制稳健独立的基本特征。欧洲计算机视觉会议论文集,778-792页。
[57] Campbell,D.和Petersson,L.(2015年)。一种鲁棒点集配准与合并的自适应数据表示。在IEEE国际计算机视觉会议记录,第4292-4300页。
[58] Campbell,D.和Petersson,L.(2016年)。Gogma:全局最优高斯混合比对。在IEEE计算机视觉和模式识别会议论文集,第5685-5694页。
[59] 康尼,J.(1987年)。一种边缘检测的计算方法。《计算机视觉读物》,爱思唯尔,第184-203页。
[60] 曹,西;沈,HL;陈,SJ;Li,C.,多光谱和多模图像配准的结构一致性,IEEE图像处理汇刊,295147-5162(2020)
[61] Castellani,U.,Cristani,M.,Fantoni,S.和Murino,V.(2008年)。结合三维网格显著性和统计描述子的稀疏点匹配。计算机图形学论坛,第27卷,威利在线图书馆,第643-652页。
[62] Chang,J.R.和Chen,Y.S.(2018年)。金字塔立体匹配网络。在IEEE计算机视觉和模式识别会议论文集,第5410-5418页。
[63] Chang,W.和Zwicker,M.(2009年)。使用简化变形模型的距离扫描配准。计算机图形学论坛,第28卷,威利在线图书馆,第447-456页。
[64] 昌,MC;Kimia,BB,通过基于图形的中间支架匹配测量3d形状相似性,计算机视觉和图像理解,1155707-720(2011)
〔65〕 Chen,Q.和Koltun,V.(2015年)。基于凸优化的鲁棒非刚性配准。IEEE国际计算机视觉会议论文集,第2039-2047页。
[66] Chen,Y.,Guibas,L.和Huang,Q.(2014年)。基于凸松弛的近最优关节目标匹配。国际机器学习会议记录,第100-108页。
[67] Chen,Y.C.,Huang,P.H.,Yu,L.Y.,Huang,J.B.,Yang,M.H.,和Lin,Y.Y.(2018年)。具有前景检测和循环一致性的深层语义匹配。亚洲计算机视觉会议论文集,第347-362页。
[68] Chen,J.,Kellokumpu,V.,Zhao,G.和Pietikäinen,M.(2013年)。鲁棒局部二进制模式。英国机器视觉会议论文集。
〔69〕 Chen,J.,Wang,L.,Li,X.和Fang,Y.(2019年)。Arbicon网:用于图像配准的任意连续几何变换网络。神经信息处理系统进展,第3410-3420页。
[70] 陈,嗯;阿罗拉,MK;Varshney,PK,遥感数据的互信息图像注册,国际遥感杂志,24,18,3701-3706(2003)
[71] 陈,H。;Bhanu,B.,使用局部表面贴片的三维自由形式目标识别,模式识别字母,28,10,1252-1262(2007)
[72] 陈,QS;德弗瑞斯,M。;Deconck,F.,用于图像注册和识别的傅里叶-梅林变换的对称相位匹配滤波,模式分析与机器智能IEEE汇刊,16,12,1156-1168(1994)
[73] 陈,C。;李,Y。;刘伟。;Huang,J.,Sirf:统一框架下的同步卫星图像注册和融合,IEEE图像处理学报,24,11,4213-4224(2015)·Zbl 1408.94084号
[74] 陈杰。;掸邦。;他,C。;赵,G。;皮蒂凯宁,M。;陈,X。;Gao,W.,Wld:鲁棒局部图像描述符,IEEE模式分析与机器智能汇刊,32,9,1705-1720(2009)
[75] 陈杰。;田,J。;李,N。;郑洁。;史密斯,RT;Laine,AF,多模式视网膜图像配准的部分强度不变特征描述符,IEEE生物医学工程学报,57,7,1707-1718(2010)
[76] 陈,嗯;瓦尔什尼,PK;Arora,MK,多期遥感图像注册的互信息相似性度量性能,IEEE地球科学与遥感学报,41,11,2445-2454(2003)
[77] 切尔托克,M。;Keller,Y.,高效高阶匹配,IEEE模式分析与机器智能事务,32,12,2205-2215(2010)
[78] 切特维利科夫D。;斯捷潘诺夫。;Krsek,P.,三维点集的鲁棒欧几里德对齐:修剪迭代最近点算法,图像和视觉计算,23,3,299-309(2005)
[79] Cho,M.和Lee,K.M.(2012年)。渐进图匹配:通过概率投票使图移动。在IEEE计算机视觉和模式识别会议论文集,第398-405页。
[80] Cho,M.,Lee,J.和Lee,K.M.(2010年)。图匹配的重加权随机游动。欧洲计算机视觉会议记录,第492-505页。
[81] Chopra,S.,Hadsell,R.,LeCun,Y.等人(2005年)。区分性地学习相似性度量,并应用于人脸验证。在IEEE计算机视觉和模式识别会议论文集,第539-546页。
[82] Choy,C.B.,Gwak,J.,Savarese,S.和Chandraker,M.(2016年)。通用通信网。神经信息处理系统进展,第2414-2422页。
[83] Choy,C.,Lee,J.,Ranftl,R.,Park,J.和Koltun,V.(2020年)。用于几何模式识别的高维卷积网络。IEEE/CVF计算机视觉和模式识别会议论文集,11227-11236页。
[84] 崔,H。;Rangarajan,A.,一种新的非刚性配准点匹配算法,计算机视觉和图像理解,89,2-3,114-141(2003)·Zbl 1053.68123号
[85] Chum,O.和Matas,J.(2005年)。符合prosac渐进式样本共识。在IEEE计算机视觉和模式识别会议论文集,第220-226页。
[86] Chum,O.,Matas,J.和Kittler,J.(2003年)。局部优化的ransac。《联合模式识别研讨会论文集》,斯普林格,第236-243页。
[87] 丘吉尔,D。;Vardy,A.,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(2013)
[88] 厨师、DJ;霍尔德,LB,《采矿图数据》(2006年),纽约:威利,纽约·Zbl 1116.68028
[89] Cour,T.,Srinivasan,P.和Shi,J.(2007年)。平衡图匹配。神经信息处理系统进展,313-320页。
[90] 康明斯,M。;Newman,P.,Fab map:外观空间中的概率定位和映射,国际机器人研究杂志,27,6,647-665(2008)
[91] Dalal,N.和Triggs,B.(2005年)。用于人体检测的定向梯度直方图。在IEEE计算机视觉和模式识别会议论文集,第886-893页。
[92] Danelljan,M.,Meneghetti,G.,Shahbaz Khan,F.,和Felsberg,M.(2016年)。基于颜色的点集配准的概率框架。《IEEE计算机视觉与模式识别会议论文集》,1818-1826页。
[93] Datar,M.,Immorlica,N.,Indyk,P.和Mirrokni,V.S.(2004年)。基于p-稳定分布的局部敏感散列方案。第二十届计算几何年会论文集,第253-262页·Zbl 1373.68193
[94] 美国阿肯色州戴维森;里德,身份证号;新罕布什尔州莫尔顿市;Stasse,O.,Monoslam:Real-time single camera slam,IEEE模式分析与机器智能汇刊,61052-1067(2007)
[95] Dawn,S.,Saxena,V.和Sharma,B.(2010年)。遥感图像配准技术综述。国际图像和信号处理会议记录,第103-112页。
[96] 德沃斯,BD;贝伦森,FF;马萨诸塞州维尔格弗市;Sokooti,H。;凝视,M。;Isgum,I.,无监督仿射和可变形图像注册的深度学习框架,医学图像分析,52128-143(2019年)
[97] de Vos,B.D.,Berendsen,F.F.,Viergever,M.A.,Starting,M.和Isgum,I.(2017年)。基于卷积神经网络的端到端无监督变形图像配准。医学图像分析与临床决策支持的多模式学习,Springer,204-212页。
[98] Deng,H.,Birdal,T.和Ilic,S.(2018年)。Ppfnet:全局上下文感知的局部特征,用于鲁棒的3d点匹配。在IEEE计算机视觉和模式识别会议论文集,195-205页。
[99] Deng,H.,Zhang,W.,Mortensen,E.,Dieterich,T.和Shapiro,L.(2007年)。基于主曲率的目标识别区域检测器。IEEE计算机视觉与模式识别会议论文集,第1-8页。
[100] DeTone,D.,Malisiewicz,T.和Rabinovich,A.(2016年)。深部图像单应性估计。arXiv预印本arXiv:1606.03798。
[101] DeTone,D.,Malisiewicz,T.和Rabinovich,A.(2018年)。超点:自监督兴趣点检测与描述。IEEE计算机视觉和模式识别研讨会论文集,第224-236页。
[102] Dong,J.和Soatto,S.(2015年)。本地描述符中的域大小池:Dsp sift。在IEEE计算机视觉和模式识别会议论文集,第5097-5106页。
[103] 多莱,C。;贾恩,AK,Cosmos——三维自由形式物体的表示方案,IEEE模式分析与机器智能汇刊,19,101115-1130(1997)
[104] Dosovitskiy,A.,Fischer,P.,Ilg,E.,Hausser,P.,Hazirbas,C.,Golkov,V.,Van Der Smagt,P.,Cremers,D.和Brox,T.(2015年)。用卷积网络学习光流。IEEE国际计算机视觉会议论文集,第2758-2766页。
[105] Duan,Y.,Lu,J.,Wang,Z.,Feng,J.,和Zhou,J.(2017年)。学习深度二值描述子与多重量化。在IEEE计算机视觉和模式识别会议论文集,第1183-1192页。
[106] 杜兴,O。;巴赫,F。;观音,IS;Ponce,J.,基于张量的高阶图匹配算法,IEEE模式分析与机器智能汇刊,33,12,2383-2395(2011)
[107号] 杜,Q。;范,A。;Ma,Y。;风扇,F。;黄,J。;Mei,X.,基于尺度不变piifd特征和局部保持匹配的红外和可见光图像注册,IEEE Access,664107-64121(2018)
[108] Dusmanu,M.,Rocco,I.,Pajdla,T.,Pollefeys,M.,Sivic,J.,Tori,A.和Sattler,T.(2019年)。D2网:一个可训练的cnn,用于联合描述和检测局部特征。在IEEE计算机视觉和模式识别会议论文集,第8092-8101页。
[109号] Dym,N.,Maron,H.和Lipman,Y.(2017年)。Ds++:一个灵活的,可伸缩的,可证明的紧松弛匹配问题。arXiv预印本arXiv:1705.06148。
[110] 埃戈齐,A。;凯勒,Y。;Guterman,H.,谱图匹配的概率方法,IEEE模式分析与机器智能汇刊,35,1,18-27(2012)
[111] 埃拉德,A。;Kimmel,R.,曲面弯曲不变特征,模式分析和机器智能IEEE汇刊,25,10,1285-1295(2003)
[112] Elbaz,G.,Avraham,T.和Fischer,A.(2017年)。基于深度神经网络自动编码器定位的三维点云配准。IEEE计算机视觉与模式识别会议论文集,4631-4640页。
[113] Endres,F.,Hess,J.,Engelhard,N.,Sturm,J.,Cremers,D.和Burgard,W.(2012年)。rgb-d slam系统的评价。IEEE国际机器人与自动化会议论文集,1691-1696页。
[114] Erin Liong,V.,Lu,J.,Wang,G.,Moulin,P.和Zhou,J.(2015年)。用于紧凑二进制代码学习的深度哈希。在IEEE计算机视觉和模式识别会议论文集,第2475-2483页。
[115] Erlik Nowruzi,F.,Laganiere,R.和Japkowicz,N.(2017年)。基于分层卷积网络的图像对单应性估计。IEEE国际计算机视觉会议论文集,第913-920页。
[116] 伊万杰里迪斯,广东省;Horaud,R.,具有批量和增量期望最大化的多点集联合对齐,IEEE模式分析和机器智能事务,40,6,1397-1410(2018)
[117] Everingham,M。;范古尔,L。;威廉姆斯,康涅狄格州;维恩,J。;Zisserman,A.,pascal可视化对象类(voc)挑战,国际计算机视觉杂志,88,22303-338(2010)
[118] 风扇,B。;孔,Q。;王,X。;旺加,Z。;向,S。;潘,C。;Fua,P.,基于图像的三维重建局部特征的性能评估,IEEE图像处理汇刊,28,10,4774-4789(2019)·Zbl 07123014
[119] 风扇,B。;吴,F。;Hu,Z.,使用强度顺序池的旋转不变描述符,模式分析和机器智能IEEE汇刊,34,10,2031-2045(2011)
[120] 费兰特,E。;Paragios,N.,切片到体积医学图像注册:调查,医学图像分析,39101-123(2017)
〔121〕 费拉兹,L。;Binefa,X.,基于稀疏曲率的仿射不变斑点检测器,计算机视觉和图像理解,116,4,524-537(2012)
[122号] Fey,M.,Lenssen,J.E.,Morris,C.,Masci,J.和Kriege,N.M.(2020年)。深图匹配共识。在学习表征国际会议上。
[123号] Fischler,马萨诸塞州;Bolles,RC,《随机抽样共识:模型拟合在图像分析和自动制图中的应用范例》,ACM通讯,24,6,381-395(1981)
[124] Fitzgibbon,AW,2d和3d点集的鲁棒注册,图像和视觉计算,21,13-14,1145-1153(2003)
[125] Flint,A.,Dick,A.和Van Den Hengel,A.(2007年)。节俭:局部三维结构识别。《数字图像计算技术与应用双年展论文集》,第182-188页。
[126] Fogel,F.,Jenaton,R.,Bach,F.和d'Aspremont,A.(2013年)。置换问题的凸松弛。神经信息处理系统进展,第1016-1024页。
[127号] 福鲁斯,H。;泽鲁比亚,JB;Berthod,M.,相位相关扩展到亚像素注册,IEEE图像处理汇刊,11,3,188-200(2002)
[128] Forssén,P.E.(2007年)。识别和匹配的最大稳定颜色区域。IEEE计算机视觉与模式识别会议论文集,第1-8页。
[129] Fragoso,V.,Sen,P.,Rodriguez,S.和Turk,M.(2013年)。Evsac:用极值理论模拟匹配分数加速假设生成。在IEEE国际计算机视觉会议记录,第2472-2479页。
[130] Frome,A.,Huber,D.,Kolluri,R.,Bülow,T.和Malik,J.(2004年)。利用区域点描述符识别距离数据中的目标。欧洲计算机视觉会议论文集,第224-237页·Zbl 1098.68766
[131号] Gao,W.和Tedrake,R.(2019年)。Filterreg:使用高斯滤波器和扭曲参数化的鲁棒有效的概率点集注册。IEEE计算机视觉和模式识别会议论文集,11095-11104页。
[132] 高利茨,S。;Höllerer,T。;Turk,M.,视觉跟踪的兴趣点检测器和特征描述符的评估,国际计算机视觉杂志,94,335-360(2011)·Zbl 1235.68264
[133] 盖伊·贝利,V。;巴托利,A。;Sayd,P.,基于图像的自遮挡推理对非刚性注册的直接估计,IEEE模式分析与机器智能汇刊,32,187-104(2008)
[134号] Gelfand,N.,Mitra,N.J.,Guibas,L.J.和Pottmann,H.(2005年)。稳健的全球注册。《几何处理专题讨论会》,第2卷,奥地利维也纳,第5页。
[135] Georgakis,G.,Karanam,S.,Wu,Z.,Ernst,J.和KoseckáJ.(2018年)。位姿不变三维匹配中关键点检测器和描述子的端到端学习。IEEE计算机视觉和模式识别会议论文集,1965-1973页。
[136] 戈什,D。;Kaabouch,N.,《图像拼接技术调查》,《视觉传达与图像表现杂志》,34,1-11(2016)
[137] 吉尔,A。;莫佐斯,奥姆;巴列斯塔,M。;Reinoso,O.,视觉slam兴趣点检测器和局部描述符的比较评估,机器视觉与应用,21,6,905-920(2010)
[138] Gionis,A.,Indyk,P.,Motwani,R.等人(1999年)。基于哈希的高维相似性搜索。超大数据库国际会议记录,第518-529页。
[139号] Giraldo,L.G.S.,Hasanbelliu,E.,Rao,M.和Principe,J.C.(2017年)。基于rényi二阶熵的群点集配准。IEEE计算机视觉与模式识别会议论文集,2454-2462页。
[140] Glaunes,J.,Trouvé,A.和Younes,L.(2004年)。分布的微分同胚匹配:无标号点集与子流形匹配的新方法。在IEEE计算机视觉和模式识别会议论文集,第712-718页。
[141] Gojcic,Z.,Zhou,C.,Wegner,J.D.,Guibas,L.J.和Birdal,T.(2020年)。学习多视图三维点云注册。IEEE/CVF计算机视觉和模式识别会议论文集,1759-1769页。
[142号] 黄金,S。;Rangarajan,A.,图匹配的分级分配算法,IEEE模式分析与机器智能汇刊,18,4377-388(1996)
[143] 黄金,S。;兰加拉詹,A。;Lu,CP;帕普,S。;Mjolsness,E.,二维和三维点匹配的新算法:姿势估计和对应,模式识别,31,8,1019-1031(1998)
[144] Golyanik,V.,Aziz Ali,S.和Stricker,D.(2016年)。点集配准的引力方法。在IEEE计算机视觉和模式识别会议论文集,第5802-5810页。
[145] Gong,Y.,Kumar,S.,Rowley,H.A.和Lazebnik,S.(2013年)。利用双线性投影学习高维数据的二进制码。在IEEE计算机视觉和模式识别会议论文集,第484-491页。
[146号] 龚,Y。;拉泽布尼克。;戈多,A。;Perronnin,F.,迭代量化:学习大规模图像检索二进制码的procrustean方法,IEEE模式分析与机器智能汇刊,35,12,2916-2929(2012)
[147] Goodfello,I.,Pouget Abadie,J.,Mirza,M.,Xu,B.,Warde Farley,D.,Ozair,S.,Courville,A.和Bengio,Y.(2014年)。生成对抗网。神经信息处理系统进展,2672-2680页。
[148] Granger,S.和Pennec,X.(2002年)。多尺度em-icp:一种快速而稳健的表面配准方法。欧洲计算机视觉会议记录,第418-432页·Zbl 1039.68642
[149号] 郭,Y。;本纳蒙,M。;索赫尔,F。;卢,M。;万,J。;郭国明,三维局部特征描述子的综合性能评价,国际计算机视觉杂志,116,1,66-89(2016)
[150] 郭,Y。;索赫尔,F。;本纳蒙,M。;卢,M。;Wan,J.,3d局部表面描述和物体识别的旋转投影统计,国际计算机视觉杂志,105,1,63-86(2013)·Zbl 1286.68387
[151] 郭,Y。;索赫尔,F。;本纳蒙,M。;万,J。;Lu,M.,杂波和遮挡下3d物体识别的新局部表面特征,信息科学,293196-213(2015)
[152] 郭,Z。;张,L。;Zhang,D.,纹理分类局部二值模式算子的完整建模,IEEE图像处理学报,19,6,1657-1663(2010)·Zbl 1371.94151
[153] Gupta,R.,Patil,H.和Mittal,A.(2010年)。稳健的基于顺序的特征描述方法。在IEEE计算机视觉和模式识别会议论文集,第334-341页。
[154] Han,X.,Leung,T.,Jia,Y.,Sukhankar,R.和Berg,A.C.(2015年)。Matchnet:将特征学习和度量学习相结合,用于基于补丁的匹配。IEEE计算机视觉与模式识别会议论文集,3279-3286页。
[155] Han,K.,Rezende,R.S.,Ham,B.,Wong,K.Y.K.,Cho,M.,Schmid,C.和Ponce,J.(2017年)。学习语义对应。IEEE国际计算机视觉会议论文集,1831-1840页。
[156] Harris,C.G.,Stephens,M.等人(1988年)。一种组合的角和边缘检测器。阿尔维视觉会议记录,第147-151页。
[157] Hartmann,W.,Havlena,M.和Schindler,K.(2014年)。预测匹配性。IEEE计算机视觉与模式识别会议论文集,第9-16页。
[158] 哈斯金斯,G。;克鲁格,美国。;严,P.,《医学图像配准中的深度学习:调查》,机器视觉与应用,31,1,8(2020)
[159] 哈亚特,N。;Imran,M.,使用稠密sift描述符和引导滤波器的无重影多曝光图像融合技术,视觉通信与图像表示杂志,62295-308(2019)
[160] He,K.,Lu,Y.和Sclaroff,S.(2018年)。为平均精度优化的局部描述符。在IEEE计算机视觉和模式识别会议论文集,第596-605页。
[161] 海基拉,密苏里州。;皮提克伊宁,M。;Schmid,C.,局部二进制模式的兴趣区域描述,模式识别,42,3,425-436(2009)·Zbl 1181.68237
[162] Heinly,J.,Dunn,E.和Frahm,J.M.(2012年)。二元特征的比较评估。欧洲计算机视觉会议记录,第759-773页。
[163] Heinly,J.,Schonberger,J.L.,Dunn,E.和Frahm,J.M.(2015年)。六天内重建世界*(由雅虎1亿图像数据集拍摄)。在IEEE计算机视觉和模式识别会议论文集,3287-3295页。
[164] Hinterstoisser,S.,Lepetit,V.,Ilic,S.,Holzer,S.,Bradski,G.,Konolige,K.和Navab,N.(2012年)。基于模型的强杂波场景中无纹理三维物体的训练、检测和姿态估计。亚洲计算机视觉会议论文集,548-562页。
[165] 霍劳德,R。;福布斯,F。;伊格尔,M。;德瓦勒,G。;Zhang,J.,刚性和铰接点注册与期望条件最大化,IEEE模式分析与机器智能汇刊,33,3587-602(2011)
[166号] Hu,N.,Huang,Q.,Thibert,B.和Guibas,L.J.(2018年)。可分布一致的多目标匹配。IEEE计算机视觉与模式识别会议论文集,2463-2471页。
[167] Huang,Q.X.和Guibas,L.(2013年)。通过半定规划的一致形状映射。计算机图形学论坛,第32卷,威利在线图书馆,177-186页。
[168号] Huang,X.,Cheng,X.,Geng,Q.,Cao,B.,Zhou,D.,Wang,P.,Lin,Y.,和Yang,R.(2018年)。apolloscape自动驾驶数据集。《IEEE计算机视觉与模式识别研讨会论文集》,第954-960页。
[169] 黄博士。;掸邦。;阿尔达比安,M。;王,Y。;Chen,L.,局部二值模式及其在面部图像分析中的应用:调查,IEEE系统、人与控制论汇刊,C部分(应用与评论),41,6,765-781(2011)
[170] Iglesias,J.P.,Olsson,C.和Kahl,F.(2020年)。半定规划点集配准的全局最优性。在IEEE/CVF计算机视觉和模式识别会议论文集,第8287-8295页。
[171] Jaderberg,M.,Simonyan,K.,Zisserman,A.等人(2015年)。空间变压器网络。神经信息处理系统进展,2017-2025页。
[172] 杰古。;杜泽,M。;Schmid,C.,《改进用于大规模图像搜索的特征包》,国际计算机视觉杂志,87,3,316-336(2010)
[173] Jiang,B.,Tang,J.,Ding,C.和Luo,B.(2017b)。二元约束保持图匹配。IEEE计算机视觉与模式识别会议论文集,4402-4409页。
[174] Jiang,B.,Tang,J.,Ding,C.,Gong,Y.和Luo,B.(2017a)。通过乘法更新算法进行图形匹配。神经信息处理系统进展,3187-3195页。
[175] 江,Z,Wang,T.和Yan,J.(2020b)。通过寻找超图上的最短路径来统一离线和在线多图匹配。模式分析和机器智能。
[176] 江,X。;文学硕士、法学硕士。;江,J。;Guo,X.,使用重离群值的空间聚类进行鲁棒特征匹配,IEEE图像处理学报,29736-746(2020)
[177] 江乙。;赵,H。;唐,J。;Luo,B.,图匹配问题的稀疏非负矩阵分解技术,模式识别,47,2736-747(2014)·Zbl 1326.68293
[178] 简,B。;Vemuri,BC,使用高斯混合模型的鲁棒点集注册,IEEE模式分析与机器智能汇刊,33,8,1633-1645(2011)
[179] Jin,Y.,Mishkin,D.,Mishchuk,A.,Matas,J.,Fua,P.,Yi,K.M.和Trulls,E.(2020年)。宽基线图像匹配:从论文到实践。arXiv预印本arXiv:2003.01587。
[180度] Johnson,K.,Cole Rhodes,A.,Zavorin,I.和Le Moigne,J.(2001年)。遥感图像配准中互信息的相似性度量。地理空间图像和数据开发II,第51-61页。
[181号] 约翰逊,AE;Hebert,M.,在杂乱的3d场景中使用自旋图像进行有效的物体识别,IEEE模式分析与机器智能汇刊,21,5433-449(1999)
[182号] Ke,Y.,Sukhankar,R.等人(2004年)。Pca-sift:一种更具特色的局部图像描述符表示方法。在IEEE计算机视觉和模式识别会议论文集,第506-513页。
[183] Kedem,D.,Tyree,S.,Sha,F.,Lanckriet,G.R.和Weinberger,K.Q.(2012年)。非线性度量学习。神经信息处理系统进展,第2573-2581页。
[184] Kezurer,I.,Kovalsky,S.Z.,Basri,R.和Lipman,Y.(2015年)。二次匹配的紧松弛。计算机图形学论坛,第34卷,威利在线图书馆,第115-128页。
[185] Khoury,M.,Zhou,Q.Y.和Koltun,V.(2017年)。学习紧凑的几何特征。《IEEE国际计算机视觉会议论文集》,第153-161页。
[186] Kim,S.,Lin,S.,JEON,S.R.,Min,D.和Sohn,K.(2018年)。用于语义对应的递归变换器网络。神经信息处理系统进展,第6126-6136页。
[187] Kim,V.G.,Lipman,Y.和Funkhouser,T.(2011年)。混合的内在映射。在ACM图形学事务,第30卷,ACM,第79页。
[188] 金,VG;李,W。;新泽西州米特拉;戴维迪,S。;Funkhouser,TA,使用模糊对应探索3d模型集合,ACM图形事务,31,4,54-1(2012)
[189] 基梅尔,R。;张,C。;布朗斯坦,A。;M.Bronstein,M.,mser功能真的很有趣吗?,IEEE模式分析与机器智能汇刊,33,11,2316-2320(2011)
[190号] 金,S。;最小值,D。;林,S。;Sohn,K.,密集语义对应的离散连续变换匹配,模式分析与机器智能IEEE汇刊,42,1,59-73(2020)
[191] 克莱恩,S。;凝视,M。;Pluim,JP,利用互信息和b样条函数对非刚性医学图像配准优化方法的评价,IEEE图像处理学报,16,12,2879-2890(2007)
[192号] Kluger,F.,Brachmann,E.,Ackermann,H.,Rother,C.,Yang,M.Y.和Rosenhahn,B.(2020年)。Consac:基于条件样本一致性的稳健多模型拟合。IEEE/CVF计算机视觉和模式识别会议论文集,4634-4643页。
[193] Komorowski,J.,Czarnota,K.,Trzcinski,T.,Dabala,L.和Lynen,S.(2018年)。apolloscape数据集兴趣点检测器稳定性评价。欧洲计算机视觉会议论文集,第727-739页。
[194号] Kovnatsky,A.,Bronstein,M.M.,Bresson,X.和Vandergheynst,P.(2015年)。矩阵完备函数对应。在IEEE计算机视觉和模式识别会议论文集,第905-914页。
[195] Krebs,J.,Mansi,T.,Delingette,H.,Zhang,L.,Ghesu,F.C.,Miao,S.,Maier,A.K.,Ayache,N.,Liao,R.和Kamen,A.(2017年)。通过基于agent的动作学习实现鲁棒的非刚性配准。医学图像计算和计算机辅助干预国际会议论文集,第344-352页。
[196] Kulis,B.和Darrell,T.(2009年)。学习使用二进制重构嵌入哈希。神经信息处理系统进展,1042-1050页。
[197] Kulis,B.和Grauman,K.(2009年)。用于可伸缩图像搜索的核化局部敏感散列。在IEEE国际计算机视觉会议记录,第2130-2137页。
[198] Kumar,B.,Carneiro,G.,Reid,I.等人(2016年)。通过最小化全局损失函数,利用深暹罗和三重卷积网络学习局部图像描述符。在IEEE计算机视觉和模式识别会议论文集,第5385-5394页。
[199] Laskar,Z.和Kannala,J.(2018年)。半监督语义匹配。欧洲计算机视觉会议论文集,第1-11页。
[200] Lawin,F.J.,Danelljan,M.,Khan,F.,Forssén,P.E.和Felsberg,M.(2018年)。密度自适应点集配准。IEEE国际计算机视觉会议论文集,第3829-3837页。
[201] Lawler,EL,《二次分配问题》,管理科学,9,4,586-599(1963年)·Zbl 0995.90579
[202] 拉扎里迪斯,G。;佩特罗,M.,《利用沃尔什变换进行图像配准》,IEEE图像处理学报,15,8,2343-2357(2006)
[203] 勒莫涅,J。;华盛顿州坎贝尔市;Cromp,RF,一种基于小波特征相关性的自动并行图像配准技术,IEEE地球科学与遥感学报,40,8,1849-1864(2002)
[204] Lebeda,K.,Matas,J.和Chum,O.(2012年)。修正局部优化的ransac全实验评价。英国机器视觉会议论文集,第1-11页。
[205] Lee,J.,Cho,M.和Lee,K.M.(2010年)。基于数据驱动马尔可夫链蒙特卡罗抽样的图匹配算法。《模式识别国际会议论文集》,第2816-2819页。
[206] Lee,J.,Cho,M.和Lee,K.M.(2011年)。基于重加权随机游动的超图匹配。在IEEE计算机视觉和模式识别会议论文集,第1633-1640页。
[207] Lee,S.,Lim,J.和Suh,I.H.(2020年)。渐进特征匹配:增量图构造与优化。在IEEE图像处理事务中。
[208号] LèHuu,D.K.和Paragios,N.(2017年)。交替方向图匹配。在IEEE计算机视觉和模式识别会议论文集,第4914-4922页。
[209] Lenc,K.和Vedaldi,A.(2014年)。局部图像特征检测器在单应性数据集上的大规模评价。英国机器视觉会议论文集。
[210] Lenc,K.和Vedaldi,A.(2016年)。学习协变特征检测器。欧洲计算机视觉会议记录,第100-117页。
[211] Leordeanu,M.和Hebert,M.(2005年)。利用成对约束求解对应问题的谱技术。IEEE国际计算机视觉会议论文集,1482-1489页。
[212] Leordeanu,M.,Hebert,M.和Sukthankar,R.(2009年)。一种用于图匹配和地图推理的整数投影不动点方法。神经信息处理系统的进展,第1114-1122页。
[213] 莱奥迪努,M。;苏克唐纳,R。;Hebert,M.,《图形匹配的无监督学习》,国际计算机视觉杂志,96,1,28-45(2012)·Zbl 1235.68274
[214] Leutenegger,S.,Chli,M.和Siegwart,R.(2011年)。Brisk:二进制健壮不变的可伸缩关键点。在IEEE国际计算机视觉会议记录,第2548-2555页。
[215] 李维,G.关于两个有向或无向图的极大公共子图的推导的注记,Calcolo,9,4,341(1973)·中银0261.05132
[216] Li,H.和Hartley,R.(2007年)。再次讨论了3d-3d配准问题。IEEE国际计算机视觉会议论文集,第1-8页。
[217] Li,X.,Han,K.,Li,S.和Prisacariu,V.A.(2020年)。双分辨率通信网络。arXiv预印本arXiv:2006.08844。
[218] Li,H.,Shen,T.和Huang,X.(2009年)。广义形状对齐的全局优化。在IEEE计算机视觉和模式识别会议论文集,第856-863页。
[219] Li,H.,Sumner,R.W.和Pauly,M.(2008年)。深度扫描非刚性配准的全局对应优化。计算机图形学论坛,第27卷,威利在线图书馆,第1421-1430页。
[220] 廉,W。;张,L。;Yang,MH,非对称点匹配的有效全局优化算法,IEEE模式分析与机器智能汇刊,39,7,1281-1293(2017)
[221] Liao,R.,Miao,S.,de Tournemire,P.,Grbic,S.,Kamen,A.,Mansi,T.和Comaniciu,D.(2017年)。一种用于鲁棒图像配准的人工智能体。第三十一届AAAI人工智能会议论文集,第4168-4175页。
[222号] Liao,Q.,Sun,D.和Andreasson,H.(2020年)。基于模糊聚类度量和高效全局优化的三维距离扫描点集配准。模式分析和机器智能。
[223] 李,X。;Hu,Z.,用对应函数剔除不匹配,国际计算机视觉杂志,89,1,1-17(2010)
[224] 李,Z。;马哈帕特拉,D。;蒂尔贝克,JA;斯托克,J。;范弗利特,LJ;Vos,FM,基于局部结构自相关的图像注册,IEEE图像处理事务,35,1,63-75(2015)
[225] Lin,W.Y.D.,Cheng,M.M.,Lu,J.,Yang,H.,Do,M.N.和Torr,P.(2014年)。用于全局运动建模的双边函数。欧洲计算机视觉会议记录,第341-356页。
[226] Lin,W.Y.,Liu,S.,Jiang,N.,Do,M.N.,Tan,P.和Lu,J.(2016b)。Repmatch:用于重建现代城市的鲁棒特征匹配和姿态。欧洲计算机视觉会议记录,第562-579页。
[227号] Lin,W.Y.,Liu,S.,Matsushita,Y.,Ng,T.T.T.和Cheong,L.F.(2011年)。平滑变化的仿射缝合。在IEEE计算机视觉和模式识别会议论文集,第345-352页。
[228] Lin,K.,Lu,J.,Chen,C.S.和Zhou,J.(2016a)。用无监督深层神经网络学习紧凑型二元描述子。在IEEE计算机视觉和模式识别会议论文集,第1183-1192页。
[229] 林德伯格,T.,特征检测与自动尺度选择,国际计算机视觉杂志,30,2,79-116(1998)
[230] 林,怀俄明州;王,F。;程,MM;韩国杨州;托尔博士;做,MN;Lu,J.,代码:特征对应的基于一致性的决策边界,IEEE模式分析与机器智能汇刊,40,1,34-47(2017)
[231] 利普曼,Y。;Funkhouser,T.,Möbius对表面通信的投票,ACM图形事务,28,3,72(2009)
[232] 利普曼,Y。;雅格夫,S。;波兰,R。;雅各布斯,DW;Basri,R.,特征匹配与有界失真,ACM图形事务,33,3,26(2014)·Zbl 1322.68244
[233] Litany,O.,Remez,T.,RodoláE.,Bronstein,A.和Bronstein,M.(2017年)。深层功能图:密集形状对应的结构化预测。在IEEE国际计算机视觉会议记录,第5659-5667页。
[234] 利特延斯,G。;古伊,T。;比约诺迪,是吧;塞蒂奥,AAA;乔姆皮,F。;加福里安,M。;Van Der Laak,雅加达州;范金尼肯,B。;Sánchez,CI,《医学图像分析深度学习调查》,医学图像分析,42,60-88(2017)
[235] 利特曼,R。;Bronstein,AM,学习可变形形状对应的光谱描述符,IEEE模式分析与机器智能汇刊,36,1711-180(2014)
[236] Liu,H.和Yan,S.(2010年)。基于空间相干对应的共同视觉模式发现。在IEEE计算机视觉和模式识别会议论文集,第1609-1616页。
[237] Liu,Y.和Zhang,H.(2012年)。索引视觉特性:使用树状结构的实时循环闭合检测。IEEE国际机器人与自动化会议论文集,第3613-3618页。
[238] Liu,Y.,Feng,R.和Zhang,H.(2015a)。基于一致性约束的孤立点剪枝关键点匹配。IEEE国际机器人与自动化会议论文集,5481-5486页。
[239] Liu,W.,Wang,J.,Ji,R.,Jiang,Y.G.和Chang,S.F.(2012年a)。有监督的内核哈希。IEEE计算机视觉和模式识别会议论文集,2074-2081页。
[240] Liu,Y.,Wang,C.,Song,Z.和Wang,M.(2018b)。通过平移搜索匹配旋转不变特征的全局点云配准。欧洲计算机视觉会议记录,第448-463页。
[241] Liu,R.,Yang,C.,Sun,W.,Wang,X.和Li,H.(2020年)。Stereogan:通过区域平移和立体匹配的联合优化,将合成桥接到真实的畴隙。IEEE/CVF计算机视觉和模式识别会议论文集,12757-12766页。
[242号] 刘,X。;人工智能,Y。;张杰。;Wang,Z.,用于红外和可见光图像注册的新型仿射和对比度不变性描述符,遥感,10,4658(2018)
[243] 刘,Y。;陈,X。;彭,H。;Wang,Z.,多焦点图像融合与深度卷积神经网络,信息融合,36191-207(2017)
[244] 刘,H。;郭,B。;Feng,Z.,图像配准的伪对数极坐标傅里叶变换,IEEE信号处理快报,13,1,17-20(2005)
[245] 刘,Y。;刘,S。;Wang,Z.,多聚焦图像融合与稠密sift,信息融合,23139-155(2015)
[246] 刘,M。;普拉达利尔,C。;Siegwart,R.,《用未校准的全向摄像机从比例进行视觉归位》,IEEE机器人学报,29,61353-1365(2013)
[247] 刘哲;Qiao,H.,GNCCP graduated Nonvexityand凹面程序,IEEE模式分析与机器智能汇刊,36,6,1258-1267(2014)
[248] 刘哲;乔,H。;徐L.图匹配问题的扩展路径跟踪算法,模式分析与机器智能IEEE汇刊,34,7,1451-1456(2012)
[249] 李,Y。;王,S。;田,Q。;Ding,X.,视觉特征检测的最新进展综述,神经计算,149736-751(2015)
[250] 罗克克斯,D。;斯拉格莫伦,P。;梅斯,F。;范德梅伦,D。;Suetens,P.,使用条件互信息的非刚性图像注册,IEEE图像事务,29,1,19-29(2009)
[251] 路易奥拉,新兴市场;德阿伯鲁,NMM;波安图拉·内托,波黑;哈恩,P。;Querido,T.,二次分配问题的调查,欧洲运筹学杂志,176,2657-690(2007)·Zbl 1103.90058
[252] Lowe,D.G.等人(1999年)。基于局部尺度不变特征的目标识别。在IEEE国际计算机视觉会议记录,第1150-1157页。
[253] Lowe,DG,来自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)
[254] Lowry,S.和Andreasson,H.(2018年)。Logos:高离群值空间验证的局部几何支持。IEEE国际机器人与自动化会议论文集,第7262-7269页。
[255] Luo,W.,Schwing,A.G.和Urtasun,R.(2016年)。立体匹配的有效深度学习。在IEEE计算机视觉和模式识别会议论文集,5695-5703页。
[256] Luo,Z.,Shen,T.,Zhou,L.,Zhang,J.,Yao,Y.,Li,S.,Fang,T.,和Quan,L.(2019年)。Contextdesc:具有跨模态上下文的局部描述符扩充。在IEEE计算机视觉和模式识别会议论文集,第2527-2536页。
[257] Luo,Z.,Zhou,L.,Bai,X.,Chen,H.,Zhang,J.,Yao,Y.,Li,S.,Fang,T.,和Quan,L.(2020年)。学习准确的形状和定位的局部特征。在IEEE/CVF计算机视觉和模式识别会议论文集,第6589-6598页。
[258] Ma,J.,Zhao,J.,Jiang,J.,Zhou,H.,Zhou,Y.,Wang,Z.,和Guo,X.(2018b)。基于引导局部保持匹配的视觉寻的。IEEE国际机器人与自动化会议论文集,第7254-7261页。
[259] Ma,J.,Zhao,J.,Tian,J.,Tu,Z.,和Yuille,A.L.(2013b)。点集配准中非刚性变换的鲁棒估计。IEEE计算机视觉和模式识别会议论文集,2147-2154页。
[260] 文学硕士、法学硕士。;陈,C。;李,C。;Huang,J.,通过梯度转移和总变差最小化实现红外和可见光图像融合,信息融合,31100-109(2016)
[261] 梅斯,F。;科利尼翁,A。;范德梅伦,D。;马查尔,G。;Suetens,P.,《基于互信息最大化的多模式图像注册》,IEEE图像事务处理,16,2187-198(1997)
[262] 梅纳利,P。;拉弗瑞特,G。;杨,Q。;吉伦,B。;范古尔,L。;Lauwereins,R.,Sifer:具有容错能力的尺度不变特征检测器,国际计算机视觉杂志,1042172-197(2013)·Zbl 1286.68476
[263] Mair,E.,Hager,G.D.,Burschka,D.,Suppa,M.和Hirzinger,G.(2010年)。基于加速段测试的自适应通用角点检测。欧洲计算机视觉会议论文集,第183-196页。
[264] 梅塞利,B。;顾,Y。;Gao,H.,点集配准方法的最新发展和趋势,视觉传达与图像表示杂志,46,95-106(2017)
[265] 文学硕士、法学硕士。;江,X。;江,J。;赵杰。;Guo,X.,LMR:学习用于去除不匹配的两类分类器,IEEE图像处理学报,28,8,4045-4059(2019)·中银07122961
[266] 文学硕士、法学硕士。;江,J。;刘,C。;Li,Y.,视网膜图像配准的半监督em和局部几何约束的特征引导高斯混合模型,信息科学,417128-142(2017)·Zbl 1444.92054
[267] 文学硕士、法学硕士。;江,J。;周,H。;赵杰。;Guo,X.,遥感图像配准的引导局部保持特征匹配,IEEE地球科学与遥感学报,56,8,4435-4447(2018)
[268] 文学硕士、法学硕士。;梁,P。;于伟。;陈,C。;郭,X。;Wu,J.,通过保持细节的对抗性学习实现红外和可见光图像融合,信息融合,54,85-98(2020)
[269] 文学硕士、法学硕士。;邱伟。;赵杰。;Ma,Y。;阿拉巴马州尤耶;Tu,Z.,非刚性注册变换的鲁棒估计,IEEE信号处理学报,63,51115-1129(2015)·Zbl 1394.94358号
[270] Marimon,D.,Bonnin,A.,Adamek,T.和Gimeno,R.(2010年)。飞镖:菊花关键点的有效尺度空间提取。在IEEE计算机视觉和模式识别会议论文集,第2416-2423页。
[271] Maron,H.和Lipman,Y.(2018年)。(可能)凹图匹配。神经信息处理系统进展,第406-416页。
[272] 马龙,H。;动态,N。;我是凯祖勒。;科瓦尔斯基。;Lipman,Y.,通过有效凸松弛实现点注册,ACM图形事务,35,4,73(2016)
[273] Masci,J.,Boscaini,D.,Bronstein,M.和Vandergheynst,P.(2015年)。黎曼流形上的测地卷积神经网络。IEEE国际计算机视觉研讨会论文集,第37-45页。
[274] 马苏德,A。;Sarfraz,M.,《沿平面曲线滑动矩形的角点检测》,计算机与图形学,31,3,440-448(2007)
[275] 马塔斯,J。;朋友,O。;城市,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)
[276] 硕士,W。;文,Z。;吴,Y。;焦,L。;龚,M。;Zheng,Y.,利用改进的sift和增强特征匹配进行遥感图像注册,IEEE地球科学与遥感快报,14,1,3-7(2017)
[277] 文学硕士、法学硕士。;吴杰。;赵杰。;江,J。;周,H。;盛,QZ,流形正则化下具有鲁棒变换学习的非刚性点集注册,神经网络与学习系统IEEE汇刊,30,12,3584-3597(2019)
[278] Mayer,N.,Ilg,E.,Hausser,P.,Fischer,P.,Cremers,D.,Dosovitskiy,A.和Brox,T.(2016年)。一个大型数据集,用于训练用于视差、光流和场景流估计的卷积网络。在IEEE计算机视觉和模式识别会议论文集,第4040-4048页。
[279] 文学硕士、法学硕士。;于伟。;梁,P。;李,C。;蒋,J.,福松安:红外和可见光图像融合的生成性对抗网络,信息融合,48,11-26(2019)
[280] 文学硕士、法学硕士。;赵杰。;江,J。;周,H。;Guo,X.,局部保持匹配,国际计算机视觉杂志,127,5,512-531(2019)
[281] 文学硕士、法学硕士。;赵杰。;Ma,Y。;Tian,J.,通过正则化高斯场准则进行非刚性可见光和红外人脸注册,模式识别,48,3772-784(2015)
[282] 文学硕士、法学硕士。;赵杰。;田,J。;白,X。;Tu,Z.,用稀疏近似消除失配的正则化向量场学习,模式识别,46,12,3519-3532(2013)·Zbl 1326.68232
[283] 文学硕士、法学硕士。;赵杰。;田,J。;阿拉巴马州尤耶;Tu,Z.,通过向量场一致性进行鲁棒点匹配,IEEE图像处理学报,23,4,1706-1721(2014)·Zbl 1374.94246
[284] 文学硕士、法学硕士。;赵杰。;Yuille,AL,通过保持全局和局部结构实现非刚性点集注册,IEEE图像处理学报,25,1,53-64(2016)·Zbl 1408.94463号
[285] 文学硕士、法学硕士。;周,H。;赵杰。;高,Y。;江,J。;田,J.,通过局部线性变换实现遥感图像配准的鲁棒特征匹配,IEEE地球科学与遥感学报,53,12,6469-6481(2015)
[286] 米安,A。;本纳蒙,M。;Owens,R.,基于局部特征的三维物体检索关键点的可重复性和质量,国际计算机视觉杂志,89,2-3,348-361(2010)
[287] Miao,S.,Piat,S.,Fischer,P.,Tuysuzoglu,A.,Mewes,P.,Mansi,T.和Liao,R.(2018年)。扩展fcn用于多智能体2d/3d医学图像配准。美国人工智能学会第三十二届会议记录,第4694-4701页。
[288] Mikolajczyk,K.和Schmid,C.(2001年)。基于尺度不变兴趣点的索引。在IEEE国际计算机视觉会议记录,第525-531页。
[289] Mikolajczyk,K。;Schmid,C.,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(2004)
[290] Mikolajczyk,K。;Schmid,C.,局部描述符的性能评估,IEEE模式分析与机器智能汇刊,27,10,1615-1630(2005)
[291] Mikolajczyk,K。;图耶特拉斯,T。;施密德,C。;齐瑟曼,A。;马塔斯,J。;沙夫利茨基。;卡迪尔,T。;范古尔,L.,仿射区域检测器的比较,国际计算机视觉杂志,65,1-2,43-72(2005)
[292] Mishchuk,A.,Mishkin,D.,Radenovic,F.和Matas,J.(2017年)。努力了解邻居的利润:局部描述符学习损失。神经信息处理系统进展,第4826-4837页。
[293] Mishkin,D.,Radenovic,F.和Matas,J.(2017年)。利用可分辨性学习可分辨仿射区域。arXiv预印本arXiv:1711.06704。
[294] Mishkin,D.,Radenovic,F.和Matas,J.(2018年)。重复性还不够:通过可分辨性学习仿射区域。欧洲计算机视觉会议记录,第284-300页。
[295] Mitra,R.,Doifode,N.,美国Gautam,S.,Narayan,S.,Ahmed,S.,Chandran,S.和Jain,A.(2018年)。用于改进补丁匹配的大型数据集。arXiv预印本arXiv:1801.01466。
[296] Mok,T.C.和Chung,A.(2020年)。卷积神经网络快速对称差分图像配准。IEEE/CVF计算机视觉与模式识别会议论文集,4644-4653页。
[297] 莫赫塔利,F。;Suomela,R.,通过曲率尺度空间进行鲁棒图像角点检测,IEEE模式分析与机器智能汇刊,20,12,1376-1381(1998)
[298] 莫勒,R。;Krzykawski,M。;Gerstmayr,L.,视觉机器人导航的三个二维翘曲方案,自主机器人,29,3-4,253-291(2010)
[299] Monti,F.,Boscaini,D.,Masci,J.,Rodola,E.,Svoboda,J.和Bronstein,M.M.(2017年)。基于混合模型CNNs的图流形几何深度学习。在IEEE计算机视觉和模式识别会议论文集,5115-5124页。
[300] Moo Yi,K.,Trulls,E.,Ono,Y.,Lepetit,V.,Salzmann,M.和Fua,P.(2018年)。学会寻找好的对应关系。IEEE计算机视觉与模式识别会议论文集,2666-2674页。
[301] Moo Yi,K.,Verdie,Y.,Fua,P.和Lepetit,V.(2016年)。学习为特征点指定方向。在IEEE计算机视觉和模式识别会议论文集,第107-116页。
[302] Moravec,H.P.(1977年)。自动视觉障碍回避技术。
[303] 莫雷尔,吉咪;于,G.,Asift:全仿射不变图像比较的新框架,暹罗影像科学杂志,2,2438-469(2009)·Zbl 1181.68252
[304号] 慕克吉。;吴,QJ;Wang,G.,图像特征检测器和描述符的比较实验研究,机器视觉与应用,26,4443-466(2015)
[305] 穆尔阿特尔,R。;蒙蒂尔,JMM;Tardos,JD,ORB-SLAM:一个多功能和精确的单目SLAM系统,IEEE机器人学报,31,51147-1163(2015)
[306] 穆斯塔法,A。;金,H。;Hilton,A.,Msfd:基于多尺度分割的宽基线场景重建特征检测,IEEE图像处理学报,28,3,1118-1132(2018)
[307] Myronenko,A。;Song,X.,点集注册:相干点漂移,IEEE模式分析与机器智能汇刊,32,12,2262-2275(2010)
[308] Nasuto,D.和Craddock,J.B.R.(2002年)。Napsac:高噪声,高维鲁棒估计,它在袋子里。英国机器视觉会议记录,第458-467页。
[309] Ni,K.,Jin,H.和Dellaert,F.(2009年)。群体SAC:群体存在时的有效共识。IEEE国际计算机视觉会议论文集,第2193-2200页。
[310] Norouzi,M.和Blei,D.M.(2011年)。紧凑二进制码的最小损失散列。国际机器学习会议论文集,第353-360页。
[311] 纽赫特,A。;林格曼,K。;赫茨伯格,J。;Surmann,H.,6d SLAM-3d室外环境制图,野外机器人学杂志,24,8-9,699-722(2007)·Zbl 1243.68294
[312] 奥贾拉,T。;皮提克伊宁,M。;Mäenpä,T.,多分辨率灰度和旋转不变纹理分类,模式分析与机器智能IEEE汇刊,24,7,971-987(2002)·Zbl 0977.68853
[313] Ono,Y.,Trulls,E.,Fua,P.和Yi,K.M.(2018年)。LF-NET:从图像中学习局部特征。神经信息处理系统进展,第6234-6244页。
[314] 奥夫斯贾尼科夫,M。;Ben Chen,M。;所罗门,J。;布彻,A。;Guibas,L.,Functional maps:形状之间映射的灵活表示,ACM图形事务,31,4,30(2012)
[315] Pachauri,D.,Kondor,R.和Singh,V.(2013年)。利用置换同步解决多向匹配问题。神经信息处理系统的进展,1860-1868页。
[316号] Pais,G.D.,Ramalingam,S.,Govindu,V.M.,Nassimento,J.C.,Chellappa,R.和Miraldo,P.(2020年)。3dregnet:一种用于三维点配准的深层神经网络。IEEE/CVF计算机视觉和模式识别会议论文集,7193-7203页。
[317] 潘文华、魏圣德、赖素华(2008)。基于NCC的Walsh-Hadamard域图像匹配。欧洲计算机视觉会议论文集,468-480页。
[318] Pang,J.,Sun,W.,Ren,J.S.,Yang,C.和Yan,Q.(2017年)。级联残差学习:用于立体匹配的两级卷积神经网络。IEEE国际计算机视觉会议论文集,第887-895页。
[319] 帕帕佐夫。;Burschka,D.,鲁棒点集注册的随机全局优化,计算机视觉和图像理解,115,12,1598-1609(2011)
[320号] Park,J.,Zhou,Q.Y.和Koltun,V.(2017年)。彩色点云注册。在IEEE国际计算机视觉会议记录,第143-152页。
[321] Parra Bustos,A.,Chin,T.J.和Suter,D.(2014年)。快速旋转搜索与赤平投影三维配准。IEEE计算机视觉与模式识别会议论文集,第3930-3937页。
[322] 保罗S。;帕蒂,坎特伯雷大学,利用改进的统一稳健sift进行遥感光学图像注册,IEEE地球科学与遥感快报,13,9,1300-1304(2016)
[323号] 佩罗纳,P。;Malik,J.,使用各向异性扩散的尺度空间和边缘检测,IEEE模式分析与机器智能汇刊,12,7,629-639(1990)
[324] Philbin,J.,Chum,O.,Isard,M.,Sivic,J.和Zisserman,A.(2007年)。具有大词汇量和快速空间匹配的对象检索。IEEE计算机视觉与模式识别会议论文集,第1-8页。
[325] 皮亚斯科,N。;西迪贝,D。;Demonceaux,C。;Gouet Brunet,V.,《基于视觉的本地化调查:关于异构数据的好处》,模式识别,74,90-109(2018)
[326] 皮莱,J。;麻风,V。;Fua,P.,快速非刚性表面检测、注册和真实感增强,国际计算机视觉杂志,76,2,109-122(2008)
[327] 宾夕法尼亚州皮涅罗;Ghanbari,M.,通过尺度空间选择优势点的等高线分段逼近,IEEE图像处理学报,19,6,1442-1450(2010)·Zbl 1371.94296
[328] Plötz,T.和Roth,S.(2018年)。神经最近邻网络。神经信息处理系统进展,第1087-1098页。
[329] Poggi,M.,Pallotti,D.,Tosi,F.和Mattocia,S.(2019年)。引导立体匹配。在IEEE计算机视觉和模式识别会议论文集,第979-988页。
[330号] 波尔,C。;Van Genderen,JL,综述文章遥感中的多传感器图像融合:概念、方法和应用,国际遥感杂志,19,5,823-854(1998)
[331] Pokrass,J.,Bronstein,A.M.,Bronstein,M.M.,Sprechmann,P.和Sapiro,G.(2013年)。内在对应的稀疏建模。计算机图形学论坛,第32卷,威利在线图书馆,第459-468页·Zbl 1380.68404
[332] 波默劳,F。;科拉斯,F。;西格瓦特,R。;Magnenat,S.,比较真实世界数据集上的ICP变体,自主机器人,34,3,133-148(2013)
[333] Pourseed,O.,Yang,G.,Prakash,A.,Fang,Q.,Jiang,H.,Hariharan,B.,和Belongie,S.(2018年)。无对应的深层基本矩阵估计。欧洲计算机视觉会议论文集,第1-13页。
[334] Qi,C.R.,Su,H.,Mo,K.和Guibas,L.J.(2017a)。点网:对三维分类和分割的点集的深入学习。在IEEE计算机视觉和模式识别会议论文集,第652-660页。
[335] Qi,C.R.,Yi,L.,Su,H.和Guibas,L.J.(2017b)。Pointnet++:度量空间中点集的深层层次特征学习。神经信息处理系统进展,第5099-5108页。
[336] 《决策树的归纳,机器学习》,1,1,81-106(1986)
[337] 拉古兰,R。;朋友,O。;波利菲,M。;马塔斯,J。;Frahm,JM,USAC:随机样本共识的通用框架,IEEE模式分析与机器智能汇刊,35,8,2022-2038(2012)
[338] 拉默,U.,《平面曲线多边形逼近的迭代程序,计算机图形学与图像处理》,1,3,244-256(1972)
[339] 拉米萨,A。;戈德霍恩,A。;阿尔德瓦特,D。;托莱多,R。;de Mantaras,RL,基于全景图的机器人自主导航结合不变特征和ALV寻的方法,智能与机器人系统杂志,64,3-4,625-649(2011)
[340] Ranftl,R.和Koltun,V.(2018年)。深层基本矩阵估计。欧洲计算机视觉会议记录,第284-299页。
[341] 雷迪,理学学士;查特基,BN,一种基于FFT的平移、旋转和尺度不变图像配准技术,IEEE图像处理学报,5,8,1266-1271(1996)
[342] Revaud,J.,Weinzaepfel,P.,De Souza,C.,Pion,N.,Csurka,G.,Cabon,Y.和Humenberger,M.(2019年)。R2d2:可重复可靠的检测器和描述符。arXiv预印本arXiv:1906.06195。
[343] Revaud,J。;韦恩扎普费尔,P。;哈奇乌伊,Z。;Schmid,C.,深度匹配:分层可变形密集匹配,国际计算机视觉杂志,120,3,300-323(2016)
[344] Richardson,A.和Olson,E.(2013年)。学习卷积滤波器用于兴趣点检测。IEEE国际机器人与自动化会议论文集,第631-637页。
[345] 罗伯逊,C。;Fisher,RB,距离数据的并行进化注册,计算机视觉和图像理解,87,1-3,39-50(2002)·Zbl 1031.68628
[346] Rocco,I.,Arandjelovic,R.和Sivic,J.(2017年)。用于几何匹配的卷积神经网络结构。在IEEE计算机视觉和模式识别会议论文集,第6148-6157页。
[347] Rocco,I.,Cimpoi,M.,Arandjelović,R.,Tori,A.,Pajdla,T.和Sivic,J.(2018年)。邻里共识网络。神经信息处理系统进展,1651-1662页。
[348] Rodola,E.,Bronstein,A.M.,Albarelli,A.,Bergamasco,F.和Torsello,A.(2012年)。变形形状匹配的博弈论方法。在IEEE计算机视觉和模式识别会议论文集,第182-189页。
[349] RodoláE.,Cosmo,L.,Bronstein,M.M.,Torsello,A.和Cremers,D.(2017年)。部分功能对应。计算机图形学论坛,第36卷,威利在线图书馆,第222-236页。
[350] RodoláE.,Rota Bulo,S.,Windheuser,T.,Vestner,M.和Cremers,D.(2014年)。使用随机森林的稠密非刚性形状对应。在IEEE计算机视觉和模式识别会议论文集,第4177-4184页。
[351] Rodola,E.,Torsello,A.,Harada,T.,Kuniyoshi,Y.和Cremers,D.(2013年)。用于形状匹配的弹性网约束。IEEE国际计算机视觉会议论文集,1169-1176页。
[352] 罗森菲尔德,A。;韦兹卡,JS,一种改进的数字曲线角度检测方法,IEEE电子计算机学报,100,9,940-941(1975)
[353] Rosten,E.和Drummond,T.(2006年)。机器学习用于高速角点检测。欧洲计算机视觉会议记录,第430-443页。
[354] 罗斯滕,E。;波特,R。;Drummond,T.,《更快更好:角点检测的机器学习方法》,IEEE模式分析与机器智能汇刊,32,1105-119(2010)
[355] Rublee,E.,Rabaud,V.,Konolige,K.和Bradski,G.R.(2011年)。圆球:一个有效的替代品筛选或冲浪。在IEEE国际计算机视觉会议记录,第2564-2571页。
[356] Rustamov,R.M.(2007年)。变形不变形状表示的拉普拉斯-贝尔特拉米本征函数。《几何处理欧洲图形学研讨会论文集》,第225-233页。
[357] Rusu,R.B.,Blodow,N.和Beetz,M.(2009年)。快速点特征直方图(fpfh)三维注册。IEEE国际机器人与自动化会议论文集,第3212-3217页。
[358] Rusu,R.B.,Blodow,N.,Marton,Z.C.,和Beetz,M.(2008年)。使用持久特征直方图对齐点云视图。IEEE/RSJ智能机器人与系统国际会议论文集,3384-3391页。
[359] Sahilioglu,Y.和Yemez,Y.(2011年)。稠密等距形状对应的粗精组合匹配。计算机图形学论坛,第30卷,威利在线图书馆,1461-1470页。
[360度] 萨拉胡特迪诺夫,R。;Hinton,G.,语义哈希,国际近似推理杂志,50,7969-978(2009)
[361] Salti,S.,Lanza,A.和Di Stefano,L.(2013年)。波传播对称性的关键点。在IEEE计算机视觉和模式识别会议论文集,第2898-2905页。
[362] Salti,S.,Tombari,F.,Spezialetti,R.和Di Stefano,L.(2015年)。学习描述符特定的三维关键点检测器。IEEE国际计算机视觉会议论文集,第2318-2326页。
[363] 桑德胡,R。;丹布雷维尔,S。;Tannenbaum,A.,通过粒子滤波和随机动力学进行点集注册,IEEE模式分析与机器智能汇刊,32,81459-1473(2010)
[364] Sarlin,P.E.,DeTone,D.,Malisiewicz,T.和Rabinovich,A.(2020年)。Superglue:用图神经网络学习特征匹配。在IEEE/CVF计算机视觉和模式识别会议论文集,第4938-4947页。
[365] Savinov,N.,Seki,A.,Ladicky,L.,Sattler,T.和Pollefeys,M.(2017年)。四元网络:无监督学习排名兴趣点检测。IEEE计算机视觉和模式识别会议论文集,1822-1830页。
[366] Scarselli,F.,Gori,M.,Tsoi,A.C.,Hagenbuchner,M.和Monfardini,G.(2009年)。图神经网络模型。在TNN。
[367] Schellewald,C.和Schnörr,C.(2005年)。基于凸松弛的概率子图匹配。《计算机视觉和模式识别中能量最小化方法国际研讨会论文集》,第171-186页。
[368] Schonberger,J.L.和Frahm,J.M.(2016年)。重新审视了运动的结构。IEEE计算机视觉和模式识别会议论文集,4104-4113页。
[369] Schonberger,J.L.,Hardmeier,H.,Sattler,T.和Pollefeys,M.(2017年)。手工制作和学习当地特色的比较评估。IEEE计算机视觉和模式识别会议论文集,1482-1491页。
[370] Schroeter,D.和Newman,P.(2008年)。地标不确定性下视觉寻的鲁棒性研究。《智能自治系统学报》,第278-287页。
[371] 斯科特,德国劳埃德船级社;Longuet Higgins,HC,一种关联两幅图像特征的算法,伦敦皇家学会会刊。B辑:生物科学,244130921-26(1991)
[372] Shah,R.,Srivastava,V.和Narayanan,P.(2015年)。基于运动应用的结构几何感知特征匹配。IEEE冬季计算机视觉应用会议录,第278-285页。
[373] Shaked,A.和Wolf,L.(2017年)。改进的立体匹配与恒定的公路网和反射置信学习。IEEE计算机视觉与模式识别会议论文集,4641-4650页。
[374] Shakhnarovich,G.(2005年)。学习任务特定的相似性。麻省理工学院博士论文。
[375号] 夏皮罗,LS;《基于特征的对应:特征向量法》,图像与视觉计算,10,5,283-288(1992)
[376] Shen,X.,Wang,C.,Li,X.,Yu,Z.,Li,J.,Wen,C.,Cheng,M.,和He,Z.(2019年)。RF-NET:基于接收野的端到端图像匹配网络。IEEE计算机视觉和模式识别会议论文集,8132-8140页。
[377] Shi,J.和Tomasi,C.(1993年)。很好的跟踪功能。康奈尔大学技术报告。
[378] 席尔瓦,L。;贝隆,俄勒冈;Boyer,KL,使用鲁棒表面互穿测量和增强遗传算法的精确距离图像配准,IEEE模式分析与机器智能汇刊,27,5762-776(2005)·Zbl 1092.68111
[379] Simonovsky,M.,Gutiérrez Becker,B.,Mateus,D.,Navab,N.和Komodakis,N.(2016年)。多式联运登记的深度度量。医学图像计算和计算机辅助干预国际会议论文集,第10-18页。
[380] 西蒙尼安,K。;韦达尔迪,A。;Zisserman,A.,使用凸优化学习局部特征描述符,IEEE模式分析与机器智能汇刊,36,81573-1585(2014)
[381] Simo Serra,E.,Trulls,E.,Ferraz,L.,Kokkinos,I.,Fua,P.和Moreno Noguer,F.(2015年)。深卷积特征点描述子的判别学习。在IEEE国际计算机视觉会议记录,118-126页。
[382] 斯皮兰,I。;Bustos,B.,Harris 3d:三维网格上兴趣点检测的Harris算子的鲁棒扩展,视觉计算机,27,11,963(2011)
[383] Sivic,J.和Zisserman,A.(2003年)。视频谷歌:一种文本检索方法来匹配视频中的对象。IEEE国际计算机视觉会议论文集,第1-8页。
[384] 史密斯,山猫;布拉迪,JM,苏珊:低水平图像处理的新方法,国际计算机视觉杂志,23,1,45-78(1997)
[385] Sofka,M.,Yang,G.和Stewart,C.V.(2007年)。期望最大化框架下的同步协方差驱动对应(CDC)和变换估计。IEEE计算机视觉与模式识别会议论文集,第1-8页。
[386] Sokooti,H.,de Vos,B.,Berendsen,F.,Lelieveldt,B.P.,Isgum,I.和Starting,M.(2017年)。基于多尺度三维卷积神经网络的非刚性图像配准。医学图像计算和计算机辅助干预国际会议论文集,第232-239页。
[387] 索提拉斯,A。;达瓦特齐科斯,C。;Paragios,N.,可变形医学图像注册:一项调查,IEEE医学成像事务,32,71153(2013)
[388号] Strecha,C.,Lindner,A.,Ali,K.和Fua,P.(2009年)。任务特定关键点检测培训。在联合模式识别研讨会上,Springer,第151-160页。
[389] Strecha,C.,Von Hansen,W.,Van Gool,L.,Fua,P.和Thoennessen,U.(2008年)。高分辨率图像的基准相机标定和多视点立体成像。IEEE计算机视觉与模式识别会议论文集,第1-8页。
[390号] 斯特雷查,C。;布朗斯坦,A。;布朗斯坦,M。;Fua,P.,Ldahash:与较小描述符的改进匹配,IEEE模式分析与机器智能汇刊,34,1,66-78(2012)
[391] Sturm,J.,Engelhard,N.,Endres,F.,Burgard,W.和Cremers,D.(2012年)。RGB-D slam系统评估基准。IEEE/RSJ国际智能机器人与系统会议记录,第573-580页。
[392] Suh,Y.,Cho,M.和Lee,K.M.(2012年)。基于序贯蒙特卡罗的图匹配。欧洲计算机视觉会议记录,第624-637页。
[393] Sun,J.,Ovsjanikov,M.和Guibas,L.(2009年)。基于热扩散的简明和可证明的信息量多尺度签名。计算机图形学论坛,第28卷,威利在线图书馆,1383-1392页。
[394] Sweeney,C.,Hollerer,T.和Turk,M.(2015年)。Theia:一个来自运动库的快速可伸缩结构。ACM多媒体国际会议论文集,第693-696页。
[395] Swoboda,P.,Kuske,J.和Savchynsky,B.(2017年)。组合问题拉格朗日分解的对偶上升框架。IEEE计算机视觉和模式识别会议论文集,1596-1606页。
[396] Swoboda,P.,Mokarian,A.,Theobalt,C.,Bernard,F.等人(2019年)。多图匹配的凸松弛算法。在IEEE计算机视觉和模式识别会议论文集,第11156-11165页。
[397] Swoboda,P.,Rother,C.,Abu Alhaija,H.,Kainmuller,D.和Savchynsky,B.(2017年)。图匹配的拉格朗日分解和对偶上升解的研究。IEEE计算机视觉和模式识别会议论文集,1607-1616页。
[398] Takita,K。;青木,T。;佐佐木。;Higuchi,T。;Kobayashi,K.,基于纯相位相关的高精度亚像素图像配准,IEICE电子、通信和计算机科学基础汇刊,8681925-1934(2003)
[399] Tang,F.,Lim,S.H.,Chang,N.L.和Tao,H.(2009年)。一种新的对复杂亮度变化不变性的特征描述子。在IEEE计算机视觉和模式识别会议论文集,第2631-2638页。
[400] Tevs,A.,Berner,A.,Wand,M.,Ihrke,I.和Seidel,H.P.(2011年)。通过计划的路标采样进行内在形状匹配。计算机图形学论坛,第30卷,威利在线图书馆,第543-552页。
[401号] 托米,B。;达州沙玛;弗里德兰,G。;伊莱萨尔德,B。;镍,K。;波兰,D。;博思,D。;李立杰,李建杰,YFCC100:多媒体研究中的新数据,ACM通信,59,2,64-73(2016)
[402] Tian,Y.,Fan,B.和Wu,F.(2017年)。L2网络:欧几里德空间中区分性斑片描述子的深度学习。在IEEE计算机视觉和模式识别会议论文集,第661-669页。
[403] Tian,Y.,Yan,J.,Zhang,H.,Zhang,Y.,Yang,X.和Zha,H.(2012年)。关于图匹配的收敛性:再论分级指派。欧洲计算机视觉会议记录,第821-835页。
[404号] Tian,Y.,Yu,X.,Fan,B.,Wu,F.,Heijnen,H.和Balntas,V.(2019年)。Sosnet:局部描述子学习的二阶相似正则化。IEEE计算机视觉和模式识别会议论文集,11016-11025页。
[405] Toews,M.和Wells,W.(2009年)。Sift rank:不变特征对应的序数描述。在IEEE计算机视觉和模式识别会议论文集,第172-177页。
[406] 托拉,E。;麻风,V。;Fua,P.,Daisy: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事务,32,5815-830(2010)
[407] Tombari,F.,Salti,S.和Di Stefano,L.(2010年a)。用于三维数据描述的唯一形状上下文。ACM三维物体检索研讨会论文集,第57-62页。
[408] Tombari,F.,Salti,S.和Di Stefano,L.(2010年b)。用于局部表面描述的直方图的唯一特征。欧洲计算机视觉会议论文集,第356-369页。
[409] 托巴里,F。;萨尔蒂,S。;Di Stefano,L.,3d关键点探测器的性能评估,国际计算机视觉杂志,102,1-3198-220(2013)
[410] 托尔,P.H.(2003年)。用半定规划求解马尔可夫随机场。在《艾斯塔茨论文集》第1-8页。
[411] Torr,P.和Zisserman,A.(1998年)。多视图关系的稳健计算和参数化。国际计算机视觉会议记录,第727-732页。
[412] 托雷萨尼,L。;科尔莫戈洛夫,V。;Rother,C.,特征对应的双重分解方法,IEEE模式分析与机器智能汇刊,35,2,259-271(2012)
[413] 托尔博士;Zisserman,A.,Mlesac:一种新的鲁棒估计器及其在图像几何、计算机视觉和图像理解中的应用,78,1138-156(2000)
[414] 特拉伊科维奇,M。;Hedley,M.,快速角点检测,图像和视觉计算,16,2,75-87(1998)
[415] Tron,R.,Zhou,X.,Esteves,C.和Danilidis,K.(2017年)。基于密度聚类的快速多图像匹配。IEEE国际计算机视觉会议论文集,第4057-4066页。
[416] Truong,P.,Danelljan,M.和Timofte,R.(2020年)。Glu-net:用于密集流和通信的全球局部通用网络。IEEE/CVF计算机视觉和模式识别会议论文集,第6258-6268页。
[417] Trzcinski,T.和Lepetit,V.(2012年)。紧凑二元描述子的有效判别投影。欧洲计算机视觉会议记录,第228-242页。
[418] Trzcinski,T.,Christoudia,M.,Fua,P.和Lepetit,V.(2013年)。增强二进制关键点描述符。在IEEE计算机视觉和模式识别会议论文集,第2874-2881页。
[419] Trzcinski,T.,Christoudia,M.,Lepetit,V.和Fua,P.(2012年)。学习图像描述符与增强技巧。神经信息处理系统进展,第269-277页。
[420号] Trzcinski,T。;克里斯托迪亚斯,M。;Lepetit,V.,用boosting学习图像描述符,IEEE模式分析与机器智能汇刊,37,3597-610(2014)
[421号] Tsin,Y.和Kanade,T.(2004年)。一种基于相关性的鲁棒点集配准方法。欧洲计算机视觉会议记录,第558-569页·Zbl 1098.68878
[422] 图耶特拉斯,T。;范古尔,L.,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(2004)
[423号] 图耶特拉斯,T。;Mikolajczyk,K.,局部不变特征检测器:计算机图形和视觉的调查、基础和趋势®,3,3177-280(2008)
[424] Ufer,N.和Ommer,B.(2017年)。深层语义特征匹配。在IEEE计算机视觉和模式识别会议论文集,第6914-6923页。
[425] Umeyama,S.,加权图匹配问题的特征分解方法,模式分析与机器智能IEEE汇刊,10,5,695-703(1988)·浙宝0678.05049
[426] Unnikrishnan,R.和Hebert,M.(2008年)。无组织点云的多尺度兴趣区域。《IEEE计算机视觉与模式识别研讨会论文集》,第1-8页。
[427] 范怀克,北京;范怀克,MA,基于POCS的图匹配算法,IEEE模式分析与机器智能汇刊,26,11,1526-1530(2004)
[428点] Van Kaick,O.,Zhang,H.,Hamarneh,G.和Cohen,D.(2011年)。形状对应关系综述。计算机图形学论坛,第30卷,威利在线图书馆,第1681-1707页。
[429] Verdie,Y.,Yi,K.,Fua,P.和Lepetit,V.(2015年)。Tilde:一种时间不变的学习检测器。在IEEE计算机视觉和模式识别会议论文集,第5279-5288页。
[430] Vongkulbishal,J.,De la Torre,F.和Costeira,J.P.(2017年)。判别优化:点云配准的理论与应用。IEEE计算机视觉和模式识别会议论文集,4104-4112页。
[431] Vongkulbhisal,J.,Irastorza Ugalde,B.,De la Torre,F.和Costeira,J.P.(2018年)。点云配准的逆合成判别优化。在IEEE计算机视觉和模式识别会议论文集,2993-3001页。
[432] Wang,J.和Zhang,M.(2020年)。Deepflash:一个有效的基于学习的医学图像注册网络。IEEE/CVF计算机视觉和模式识别会议论文集,第4444-4452页。
[433] Wang,C.,Bronstein,M.M.,Bronstein,A.M.和Paragios,N.(2011年)。非刚性形状匹配的离散最小变形对应问题。计算机视觉中尺度空间和变分方法国际会议论文集,第580-591页。
[434] Wang,Z.,Fan,B.和Wu,F.(2011年)。特征描述的局部强度顺序模式。国际计算机视觉会议记录,第603-610页。
[435] Wang,H.,Guo,J.,Yan,D.M.,Quan,W.和Zhang,X.(2018b)。学习用于非刚性形状匹配的三维关键点描述符。欧洲计算机视觉会议论文集,第3-19页。
[436] Wang,J.,Kumar,S.和Chang,S.F.用于可伸缩图像检索的半监督哈希算法。在IEEE计算机视觉和模式识别会议论文集。
[437] Wang,T.,Liu,H.,Li,Y.,Jin,Y.,Hou,X.和Ling,H.(2020年)。学习图匹配的组合求解器。IEEE/CVF计算机视觉和模式识别会议论文集,第7568-7577页。
[438] Wang,J.,Song,Y.,Leung,T.,Rosenberg,C.,Wang,J.,Philbin,J.,Chen,B.和Wu,Y.(2014年)。基于深度排序的细粒度图像相似性学习。IEEE计算机视觉和模式识别会议论文集,1386-1393页。
[439] Wang,G.,Wang,Z.,Chen,Y.,Zhou,Q.,和Zhao,W.(2016年)。上下文感知高斯场用于非刚性点集配准。在IEEE计算机视觉和模式识别会议论文集,第5811-5819页。
[440] Wang,F.,Xue,N.,Yu,J.G.和Xia,G.S.(2020年)。带离群值的图匹配的零赋值约束。IEEE/CVF计算机视觉和模式识别会议论文集,3033-3042页。
[441] Wang,F.,Xue,N.,Zhang,Y.,Bai,X.,和Xia,G.S.(2018a)。自适应变换图匹配。欧洲计算机视觉会议记录,第625-640页。
[442] Wang,R.,Yan,J.和Yang,X.(2019年)。学习用于深度图匹配的组合嵌入网络。在ICCV中。
[443] Wang,Q.,Zhou,X.和Danilidis,K.(2018年)。基于一致性特征挖掘的多图像语义匹配。在IEEE计算机视觉和模式识别会议论文集,第685-694页。
[444] Wang,J.,Zhou,F.,Wen,S.,Liu,X.和Lin,Y.(2017年)。角度损失的深度度量学习。在IEEE国际计算机视觉会议记录,第2593-2601页。
[445] 王,Z。;风扇,B。;王,G。;Wu,F.,探索稳健特征描述的局部和整体有序信息,IEEE模式分析与机器智能汇刊,38,11,2198-2211(2015)
[446] 王,G。;王,Z。;陈,Y。;赵,W.,多模式视网膜图像配准的鲁棒点匹配方法,生物医学信号处理与控制,19,68-76(2015)
[447] Wei,L.,Huang,Q.,Ceylan,D.,Vouga,E.和Li,H.(2016年)。使用卷积网络的密集人体通讯。IEEE计算机视觉和模式识别会议论文集,1544-1553页。
[448号] Wei,X.,Zhang,Y.,Gong,Y.,和Zheng,N.(2018年)。深层局部描述符的核化子空间池。《IEEE计算机视觉与模式识别会议论文集》,第1867-1875页。
[449] 温伯格,肯塔基州;Saul,LK,大边距最近邻分类的距离度量学习,机器学习研究杂志,2010年2月10日,207-244(2009)·Zbl 1235.68204
[450] Weiss,Y.,Torralba,A.和Fergus,R.(2009年),光谱散列。神经信息处理系统的进展,1753-1760页。
[451] Windheuser,T.,Vestner,M.,RodoláE.,Triebel,R.和Cremers,D.(2014年)。非刚性形状分析的最优内在描述子。英国机器视觉会议论文集。
[452] Wohlhart,P.和Lepetit,V.(2015年)。用于目标识别和三维姿态估计的学习描述符。在IEEE计算机视觉和模式识别会议论文集,第3109-3118页。
[453] Wu,Y.,Lim,J.和Yang,M.H.(2015b)。对象跟踪基准。IEEE模式分析与机器智能汇刊,37(9),1834-1848。
[454] Wu,J.,Zhang,H.和Guan,Y.(2014年)。使用局部敏感哈希匹配二进制视觉特征的视觉循环闭合检测。世界智能控制与自动化大会论文集,第940-945页。
[455] 《视觉FM:运动系统的视觉结构》。2018年11月16日检索自http://ccwu.me/vsfm/doc.html。
[456] 吴,G。;金,M。;王,Q。;蒙塞尔,不列颠哥伦比亚省;Shen,D.,基于无监督深层特征表示学习的可扩展高性能图像注册框架,IEEE生物医学工程学报,63,7,1505-1516(2015)
[457] Xiao,J.,Owens,A.和Torralba,A.(2013年)。Sun3d:使用SFM和对象标签重建的大空间数据库。IEEE国际计算机视觉会议论文集,第1625-1632页。
[458] Xie,J.,Wang,M.,和Fang,Y.(2016年)。学习用于三维形状对应的二元光谱形状描述子。IEEE计算机视觉和模式识别会议论文集,3309-3317页。
[459] Yan,J.,Li,Y.,Liu,W.,Zha,H.,Yang,X.和Chu,S.M.(2014年)。多图匹配的递阶一致性正则化优化。欧洲计算机视觉会议记录,第407-422页。
[460] Yan,J.,Ren,Z.,Zha,H.和Chu,S.(2016a)。一种基于约束聚类的特征集匹配方法。《模式识别国际会议论文集》,第3832-3837页。
[461] Yan,J.,Tian,Y.,Zha,H.,Yang,X.,Zhang,Y.和Chu,S.M.(2013年)。一致多图匹配的联合优化。在IEEE国际计算机视觉会议记录,第1649-1656页。
[462] Yan,J.,Xu,H.,Zha,H.,Yang,X.,Liu,H.和Chu,S.(2015c)。多图匹配的矩阵分解透视图。IEEE国际计算机视觉会议论文集,199-207页。
[463] Yan,J.,Yin,X.C.,Lin,W.,Deng,C.,Zha,H.和Yang,X.(2016b)。图匹配最新进展的简要综述。国际多媒体检索会议论文集,167-174页。
[464] Yan,J.,Zhang,C.,Zha,H.,Liu,W.,Yang,X.和Chu,S.M.(2015d)。离散超图匹配。在IEEE计算机视觉和模式识别会议论文集,第1520-1528页。
[465] 严,J。;周,M。;查,H。;杨,X。;Chu,SM,带梯度一致性正则化的多图匹配,模式分析与机器智能IEEE汇刊,38,6,1228-1242(2015)
[466] Yang,M.,Wu,F.,和Li,W.(2020年)。小波空间:学习立体匹配视差图的小波系数。IEEE/CVF计算机视觉和模式识别会议论文集,12885-12894页。
[467] 杨,X。;克维特,R。;斯泰纳,M。;Niethammer,M.,Quicksilver:快速预测图像注册-深度学习方法,NeuroImage,158378-396(2017)
[468号] 杨,J。;李,H。;坎贝尔,D。;Jia,Y.,Go ICP:3d ICP点集注册的全球最优解决方案,IEEE模式分析与机器智能汇刊,38,11,2241-2254(2016)
[469] 杨,K。;潘,A。;杨,Y。;张,S。;翁斯。;Tang,H.,利用多个图像特征进行遥感图像注册,遥感,9,6,581(2017)
[470] 严,J。;王,J。;查,H。;杨,X。;Chu,S.,多图匹配的一致性驱动交替优化:统一方法,IEEE图像处理学报,24,3,994-1009(2015)·Zbl 1408.94765号
[471] Yao,Y.,Deng,B.,Xu,W.和Zhang,J.(2020年)。鲁棒非刚性配准的拟牛顿解算器。IEEE/CVF计算机视觉和模式识别会议论文集,7600-7609页。
[472] 是,是。;山,J。;布鲁佐尼,L。;Shen,L.,基于结构相似性的多模式遥感图像稳健注册,IEEE地球科学与遥感学报,55,5,2941-2958(2017)
[473] Yew,Z.J.和Lee,G.H.(2020年)。RPM-NET:使用学习特征的鲁棒点匹配。IEEE/CVF计算机视觉和模式识别会议论文集,11824-11833页。
[474] Yi,K.M.,Trulls,E.,Lepetit,V.和Fua,P.(2016年)。提升:学习不变特征变换。欧洲计算机视觉会议论文集,467-483页。
[475] Yin,Z.和Shi,J.(2018年)。Geonet:对密集深度、光流和相机姿态的无监督学习。IEEE计算机视觉和模式识别会议论文集,1983-1992页。
[476] Yu,T.,Wang,R.,Yan,J.和Li,B.(2020年)。学习深度图匹配与通道无关嵌入和匈牙利注意。在学习表征国际会议上。
[477] Yu,T.,Yan,J.和Li,B.(2020年B)。梯度有效图匹配的行列式正则化。在IEEE/CVF计算机视觉和模式识别会议论文集,第7123-7132页。
[478] 于,T.,严,J.,Wang,Y.,Liu,W.等(2018年)。超越二次分配模型的广义图匹配。神经信息处理系统进展,第861-871页。
[479] Zagoruyko,S.和Komodakis,N.(2015年)。学习通过卷积神经网络比较图像块。IEEE计算机视觉与模式识别会议论文集,4353-4361页。
[480] Zaharescu,A.,Boyer,E.,Varanasi,K.和Horaud,R.(2009年)。曲面特征检测与描述及其在网格匹配中的应用。在IEEE计算机视觉和模式识别会议论文集,第373-380页。
[481] Zanfir,A.和Sminchisescu,C.(2018年)。深入学习图形匹配。IEEE计算机视觉与模式识别会议论文集,2684-2693页。
[482] 扎斯拉夫斯基,M。;巴赫,F。;Vert,JP,图匹配问题的路径跟踪算法,IEEE模式分析与机器智能汇刊,31,12,2227-2242(2009)
[483] Zass,R.和Shashua,A.(2008年)。概率图与超图匹配。在IEEE计算机视觉和模式识别会议论文集,IEEE,第1-8页。
[484] Zbontar,J.和LeCun,Y.(2015年)。用卷积神经网络计算立体匹配代价。IEEE计算机视觉和模式识别会议论文集,1592-1599页。
[485] Zbontar,J。;LeCun,Y.,通过训练卷积神经网络来比较图像块的立体匹配,机器学习研究杂志,17,12287-2318(2016)·Zbl 1360.68726
[486] Zeng,Z.,Chan,T.H.,Jia,K.和Xu,D.(2012年)。通过稀疏低秩分解从多幅图像中寻找对应关系。欧洲计算机视觉会议论文集,第325-339页。
[487] Zeng,A.,Song,S.,Nießner,M.,Fisher,M.,Xiao,J.和Funkhouser,T.(2017年)。3dmatch:从RGB-D重建中学习局部几何描述子。《IEEE计算机视觉与模式识别会议论文集》,1802-1811页。
[488] Zeng,Y.,Wang,C.,Wang,Y.,Gu,X.,Samaras,D.和Paragios,N.(2010年)。基于高阶图匹配的稠密非刚性曲面配准。在IEEE计算机视觉和模式识别会议论文集,第382-389页。
[489] Zhang,H.(2011年)。Borf:具有尺度不变视觉特征的循环闭合检测。IEEE国际机器人与自动化会议论文集,3125-3130页。
[490] Zhang,L.和Rusinkiewicz,S.(2018年)。学习在纹理图像中检测特征。在IEEE计算机视觉和模式识别会议论文集,第6325-6333页。
[491] Zhang,F.,Prisacariu,V.,Yang,R.和Torr,P.H.(2019a年)。Ga-net:用于端到端立体匹配的引导聚合网络。在IEEE计算机视觉和模式识别会议论文集,185-194页。
[492] Zhang,Z.,Shi,Q.,McAuley,J.,Wei,W.,Zhang,Y.和Van Den Hengel,A.(2016年)。基于最大权二部信念传播的成对匹配。在IEEE计算机视觉和模式识别会议论文集,第1202-1210页。
[493号] Zhang,J.,Sun,D.,Luo,Z.,Yao,A.,Zhou,L.,Shen,T.,Chen,Y.,Quan,L.,和Liao,H.(2019b年)。使用顺序感知网络学习两个视图对应和几何图形。在IEEE国际计算机视觉会议记录,第5845-5854页。
[494] Zhang,S.,Yang,Y.,Yang,K.,Luo,Y.和Ong,S.H.(2017a)。基于全局局部对应的点集配准与变换估计。IEEE国际计算机视觉会议论文集,2669-2677页。
[495] Zhang,X.,Yu,F.X.,Karaman,S.,和Chang,S.F.(2017b)。学习判别和变换协变局部特征检测器。在IEEE计算机视觉和模式识别会议论文集,第6818-6826页。
[496] Zhang,X.,Yu,F.X.,Kumar,S.和Chang,S.F.(2017c)。学习展开局部特征描述。在IEEE国际计算机视觉会议记录,第4595-4603页。
[497] 张,X。;Qu,Y。;杨,D。;王,H。;Kymer,J.,平面曲线角点的拉普拉斯尺度空间行为,模式分析和机器智能IEEE汇刊,37,11,2207-2217(2015)
[498号] 张,X。;王,H。;史密斯,俄亥俄州;凌,X。;洛弗尔,不列颠哥伦比亚省;Yang,D.,基于平面曲线梯度相关矩阵的角点检测,模式识别,43,4207-1223(2010)·Zbl 1192.68625
[499] Zhao,J.和Ma,J.(2017年)。稀疏运动流的鲁棒插值视觉寻的。IEEE/RSJ智能机器人与系统国际会议论文集,1282-1288页。
[500] Zhao,C.,Cao,Z.,Li,C.,Li,X.和Yang,J.(2019年)。Nm-net:挖掘可靠的邻域以实现健壮的特征对应。在IEEE计算机视觉和模式识别会议论文集,第215-224页。
[501] 赵琪。;卡里斯,东南部;伦德尔,F。;Wolkowicz,H.,二次分配问题的半定规划松弛,组合优化杂志,2,1,71-109(1998)·中银0904.90145
[502] 郑,L。;杨,Y。;Tian,Q.,Sift meets CNN:实例检索十年调查,IEEE模式分析与机器智能事务,40,5,1224-1244(2018)
[503] Zhong,Y.(2009年)。内在形状特征:用于三维物体识别的形状描述符。IEEE国际计算机视觉研讨会论文集,第689-696页。
[504] Zhou,W.,Li,H.和Tian,Q.(2017年)。基于内容的图像检索研究进展:文献综述。arXiv预印本arXiv:1706.06064。
[505] Zhou,W.,Li,H.,Lu,Y.和Tian,Q.(2011年)。用几何编码进行大规模图像搜索。ACM多媒体国际会议论文集,1349-1352页。
[506] Zhou,W.,Lu,Y.,Li,H.,Song,Y.和Tian,Q.(2010年)。空间编码在大规模局部重复网页图像检索中的应用。ACM多媒体国际会议论文集,第511-520页。
[507] Zhou,X.,Zhu,M.,和Danilidis,K.(2015年)。通过快速交替最小化实现多图像匹配。IEEE国际计算机视觉会议记录,第4032-4040页。
[508] Zhou,L.,Zhu,S.,Luo,Z.,Shen,T.,Zhang,R.,Zhen,M.,Fang,T.,和Quan,L.(2018年)。点云配准中多视点描述子的学习与匹配。欧洲计算机视觉会议记录,第505-522页。
[509] 周,F。;De la Torre,F.,因子图匹配,模式分析和机器智能IEEE交易,38,9,1774-1789(2015)
[510] Zhu,J.Y.,Park,T.,Isola,P.,和Efros,A.A.(2017年)。使用周期一致性对抗网络的非成对图像到图像转换。IEEE国际计算机视觉会议论文集,2223-2232页。
[511] Zieba,M.,Semberecki,P.,El Gaaly,T.和Trzcinski,T.(2018年)。Bingan:用正则GAN学习紧凑的二元描述符。神经信息处理系统进展,第3608-3618页。
[512] Zitnick,C.L.和Ramnath,K.(2011年)。边缘焦点兴趣点。IEEE国际计算机视觉会议论文集,第359-366页。
[513] 齐托娃,B。;Flusser,J.,图像配准方法:调查,图像和视觉计算,21,11977-1000(2003)
此参考列表基于出版商或数字数学图书馆提供的信息。它的项被试探性地匹配到zbMATH标识符,并且可能包含数据转换错误。它试图尽可能准确地反映原始论文中列出的参考文献,而不要求匹配的完整性或精确性。