How to make local image features more efficient and distinctive
How to make local image features more efficient and distinctive
复制标题
如何让局部图像特征更高效、更有特色
DOI：
10.1049/iet-cvi:20070049
复制
发表时间：
2008-11
期刊：
影响因子：
--
通讯作者：
Xiangxu Meng
中科院分区：
文献类型：
--
作者：
Chenglei Yang;Chunmei Duan;Xiangxu Meng
提出了一种为局部图像特征构造有效且独特的描述子的技术。首先对检测到的尺度不变特征及其邻域斑块在适当大小下的梯度数据进行归一化，然后应用独立分量分析(ICA)得到特征斑块的独立分量。由于自然图像和独立分量分析的高阶统计特性，作者展示了如何使用独立分量分析技术来编码特征向量的显著方面。将我们的描述子与一些最新的方法(如尺度不变特征变换)进行了比较。实验结果表明，该局部特征描述子具有较强的识别性和较高的匹配速度。
A technique to construct efficient and distinctive descriptors for local image features is presented. The authors start with the scale invariant features detected and the gradient data of their neighbourhood patches in suitable size normalised and then apply independent component analysis (ICA) to obtain the independent components of the feature patches. The authors show how the ICA technique could be used to encode the salient aspects of the feature vectors because of the high-order statistical characteristics of both natural images and ICA. Comparisons are made between our descriptors and some state-of-the-art methods (e.g. scale invariant feature transform). Experimental results demonstrate that the proposed local feature descriptor is distinctive and with high matching speed.
登录
查看更多内容
DOI：
10.1023/b:visi.0000029664.99615.94
发表时间：
2004-11-01
影响因子：
19.5
作者：
Lowe, DG
通讯作者：
Lowe, DG
DOI：
10.1109/cvpr.2004.183
发表时间：
2004-06
期刊：
Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2004. CVPR 2004.
影响因子：
--
作者：
Yan Ke;R. Sukthankar
通讯作者：
Yan Ke;R. Sukthankar
DOI：
10.23919/mixdes.2018.8436682
发表时间：
2013-05
期刊：
2020 27th International Conference on Mixed Design of Integrated Circuits and System (MIXDES)
影响因子：
--
作者：
Fredrik Gustafsson;Lennart Ljung;M. Millnert
通讯作者：
Fredrik Gustafsson;Lennart Ljung;M. Millnert
影响因子：
7.8
作者：
Hyvärinen, A;Oja, E
通讯作者：
Oja, E
DOI：
--
发表时间：
1996
期刊：
--
影响因子：
--
作者：
J. Karhunen
通讯作者：
J. Karhunen