Print

基于环采样的特征组合二值描述子算法

论文摘要

为提高二值描述子的分辨力和鲁棒性,提出一种新的特征组合二值描述子算法。将采样点圆形邻域划分为多个环域,通过比较任一对采样点对应环域的灰度均值获得灰度二值向量,计算采样点圆形邻域内像素点的高斯一阶梯度均值和高斯二阶偏导数均值,获取采样点对的梯度二值向量,将所有采样点对的灰度二值向量和梯度二值向量串联得到特征点的初始描述子,并采用特征筛选策略来降低描述子的维数得到低存储、强区分力的描述子。在Oxford数据集和复杂光照图片上的实验结果表明,该算法在光照变化、模糊变化和JPEG压缩条件下具有较好的鲁棒性。

论文目录

  • 0 概述
  • 1 基于环采样模式的特征组合二值描述子
  •   1.1 二值描述子构建
  •   1.2 位序号选择
  • 2 实验结果与分析
  •   2.1 评价指标
  •   2.2 参数选择
  •   2.3 梯度方法选择
  •   2.4 Oxford数据集评估
  •   2.5 复杂光照变化的数据集评估
  • 3 结束语

    • 文章来源

    类型: 期刊论文

    作者: 张欠欠,王静,刘红敏

    关键词: 二值描述子,特征组合,环域,高斯一阶梯度,高斯二阶偏导数,特征位

    来源: 计算机工程 2019年12期

    年度: 2019

    分类: 信息科技

    专业: 计算机软件及计算机应用

    单位: 河南理工大学计算机科学与技术学院

    基金: 国家自然科学基金(61472119,61572173,61472373),河南理工大学计算机视觉与图像处理创新团队项目(T2014-3),河南理工大学杰出青年基金(J2016-3),河南省科技攻关计划(182102210053)

    分类号: TP391.41

    DOI: 10.19678/j.issn.1000-3428.0053030

    页码: 189-195

    总页数: 7

    文件大小: 3410K

    下载量: 52

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/6882a4eddf69fc4973c314fe.html