2014280031董磊translation浅析.doc

基于局部尺度不变性特征的目标识别 大卫·罗伊 英属哥伦比亚大学计算机科学系 摘 要 一类利用新型的局部图像特征的目标识别系统已经得到发展，该特征对图像缩放、平移和旋转，特别是对光照变化和仿射或3D投射具有不变性。这些特征和用于识别目标的灵长类动物视觉颞皮层神经元具有相似性质。通过一种分级滤波法确定尺度空间中的稳定点，从而能够有效地找到特征。图像键允许局部几何变形，在多方位面和多尺度中，通过模糊图像梯度表示。该键被用作最近邻检索法的输入，识别候选对象匹配。每一个匹配的最终验证是通过寻找低残留的最小二乘法来获得未知的模型参数。实验结果显示，鲁棒性强的目标识别在杂乱和部分闭塞图像中的计算时间不超过2秒。 1.介绍 在杂乱的现实世界场景的目标识别中，需要有对周边的杂乱和部分闭塞不受影响的局部图像特征。该特征必须至少对光照变化、3D射影变换和一般的物体变化具有部分不变性。另一方面，这个特征必须同样足够独特，能在众多选择中识别出特定目标。目标识别的困难，其很大程度上归因于寻找这样的图像特征时缺乏成功。然而，近期对于密集局部特征的应用研究（如Schmid Mohr[19]）表明，通过利用从大量可重复位置采样的局部图像描述子，我们经常可以达到有效地识别。 本文提出一种产生图像特征的新方法，称为尺度不变特征变换（SIFT）3D投影有部分不变性。之前产生局部特征的方法对尺度缺乏不变性，且对射