构建二进制描述子-中国图象图形学报.docVIP

构建二进制描述子-中国图象图形学报.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
构建二进制描述子-中国图象图形学报

中图法分类号:TP391.41  文献标识码:A 文章编号:1006-8961(年) 论文引用格式:惠国保,李东波. 像素聚类改进二进制描述子鲁棒性[J]. 中国图象图形学报,2013. 像素聚类改进二进制描述子鲁棒性 惠国保1 ,李东波1 1.南京理工大学机械工程学院,南京 210094 摘 要:目标:本文通过挖掘图像局部区域特征信息,提出了一种鲁棒性更高的二进制描述子。针对BRIEF关于旋转和视角变化鲁棒性差的问题,本文通过图像补丁分层处理、增加关键点图像补丁个数来捕获更多的局部特征信息,对BRIEF描述子改进。方法:首先,根据灰度序列对补丁内所有像素点分类,像素的一个聚类形成了一个亚补丁,然后在每个亚图像补丁上进行类似BRIEF的随机测试。其次,由于原图像补丁大小、尺度大小影响补丁的像素点成分,从而影响像素聚类的效果,所以在原图像关键点周围分割出多个不同大小的图像补丁,或是将原图像补丁根据尺度金字塔确定几个尺度大小不同的补丁,然后再对图像补丁进行分层、测试。所构建的描述子不仅包含了补丁像素的灰度比较信息,而且包含了灰度排序信息和像素群聚信息,提高了描述子的鲁棒性。结果:通过性能对比实验,发现所提的描述子的性能提高了,而且好于对比的浮点描述子。结论:所以挖掘图像补丁的特征信息能提高二进制描述子的鲁棒性。 关键词:关键点;图像补丁;局部特征;二进制描述子;鲁棒性 A robust descriptor structured by pixel clustering Hui Guobao1, Li Dongbo1 1. School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing, 210094, China Abstract: Objective: Since using limited spatial information from only one image patch to structure conventional binary descriptor such as BRIEF will result in low discriminative ability and is invariant to rotation or viewpoint changes, this paper settles this problem through further excavating feature information of the interest region and proposes a binary descriptor encoding not only intensity-comparison information but also information about relative relationship of intensities. Method: Specifically, this could be done by taking BRIEF-like tests on image patches gotten in two ways. Firstly, several sub-patches could be obtained in a way of decomposing one original image patch by sorting all pixels on it according to their intensity order, then random tests are token on each sub-patch, and concatenating all test results to form a distinct binary string of sub-patch; Secondly, multiple original image patches can be got by dividing interest region into several patches of different size around the keypoint, or can be retrieved from scale space of image patches, and the discriminative power of descriptor could be further raised by taking tests on these multiple patches. Result: Results based on experiment

文档评论(0)

zhuwo + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档