SLD: A Novel Robust Descriptor for Image Matching
SLD: A Novel Robust Descriptor for Image Matching
复制标题
SLD：一种新颖的图像匹配鲁棒描述符
DOI：
10.1109/lsp.2013.2294458
复制
发表时间：
2014-03
影响因子：
3.9
通讯作者：
Zhang, Zhong
中科院分区：
文献类型：
--
作者：
Zhou, Wen;Wang, Chunheng;Xiao, Baihua;Zhang, Zhong
基于局部特征的图像匹配是一项具有挑战性的任务，因为很难建立一个鲁棒的局部描述子，该描述子对于尺度、视点、光照和旋转的大变化是不变的。为了解决这些问题，尺度不变特征变换（SIFT）描述子被提出来构建一个鲁棒且独特的局部描述子。然而，它不是完全仿射不变量。在这封信中，我们提出了一种新的鲁棒描述符：基于采样的局部描述符（SLD），以在尺度，视点，光照和旋转的大变化下执行可靠的图像匹配。我们建立了基于椭圆采样的描述子，根据椭圆方程对图像像素进行采样。椭圆采样的主要优点是椭圆采样的两个可控参数可以生成不同视点和旋转的描述子。此外，该描述子还具有两个值得注意的性质：1)它对仿射变化是完全不变的；2)由于椭圆采样只需要搜索两个可控参数，使得匹配过程快速，比其他仿射不变描述子效率更高。我们在标准基准上对所提出的描述符进行了测试。实验结果表明，该方法在光照、视点和尺度变化较大的情况下具有较好的鲁棒性。
Image matching based on local features is a challenging task because it is difficult to build a robust local descriptor which is invariant to large variations in scale, viewpoints, illumination and rotation. To address these issues, Scale Invariant Feature Transform (SIFT) descriptor has been proposed to build a robust and distinctive local descriptor. However, it is not fully affine invariant. In this letter, we propose a novel robust descriptor: Sampling based Local Descriptor (SLD) to perform reliable image matching under large variations in scale, viewpoints, illumination and rotation. We build the descriptor based on elliptical sampling which samples image pixels according to the elliptic equations. The main advantage of elliptical sampling is that two controllable parameters of elliptical sampling can generate descriptors with different viewpoints and rotations. Besides, the descriptor has two notable properties: 1) it is fully invariant to affine changes; 2) it enables fast matching process because we only need to search two controllable parameters for elliptical sampling, which is more efficient than other affine invariant descriptors. We test the proposed descriptor on standard benchmark for evaluation. Experimental results show the robustness of the proposed method under large variations in illumination, viewpoints and scale.
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
用于图像描述的局部极地 DCT 特征
影响因子：
3.9
作者：
Tiecheng Song;Hongliang Li
通讯作者：
Hongliang Li
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：
10.1109/tpami.2005.188
发表时间：
2005-10-01
影响因子：
23.6
作者：
Mikolajczyk, K;Schmid, C
通讯作者：
Schmid, C
影响因子：
2.1
作者：
Morel, Jean-Michel;Yu, Guoshen
通讯作者：
Yu, Guoshen