rbfd 一种鲁棒的图像局部二值特征描述子 rbfd a robust image local binary feature descriptor.pdfVIP

下载本文档

2
0
约3.05万字
约 9页
2017-09-05 发布于上海
举报
版权申诉

rbfd 一种鲁棒的图像局部二值特征描述子 rbfd a robust image local binary feature descriptor.pdf

1、本文档共9页，可阅读全部内容。
2、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。
3、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。
4、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)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、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。
7、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。
8、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

rbfd 一种鲁棒的图像局部二值特征描述子 rbfd a robust image local binary feature descriptor

第27 卷第 5 期计算机辅助设计与图形学学报 Vol. 27 No. 5 2015 年5 月 Journal of Computer-Aided Design Computer Graphics May 2015 RBFD: 一种鲁棒的图像局部二值特征描述子 1, 2) 3) 1, 4) 1, 4) 1, 4)* 耿利川 , 成运 , 苏松志 , 林贤明 , 李绍滋 1) (厦门大学信息科学与技术学院厦门 361005) 2) (许昌学院城乡规划与园林学院许昌 461000) 3) (湖南人文科技学院通信与控制工程系娄底 417000) 4) (福建省仿脑智能系统重点实验室(厦门大学) 厦门 361005) (szlig@xmu.edu.cn) : 针对传统浮点型特征描述子占用空间大、匹配速度慢的问题, 提出一种基于梯度统计信息比较的局部二值特征描述子. 通过对比特征点邻域梯度统计信息生成二值特征描述子, 再利用多邻域和多分块策略提高描述子判别力, 最后通过近似简化的 AdaBoost 算法实现描述子降维. 实验结果表明, 与已有描述子相比, 文中提出的描述子在实现快速生成的同时其鲁棒性更强. : 局部特征; 二值特征描述子; 图像匹配 : TP391 RBFD: a Robust Image Local Binary Feature Descriptor Geng Lichuan1, 2), Cheng Yun3), Su Songzhi1, 4), Lin Xianming1, 4) , and Li Shaozi1, 4)* 1) (School of Information Science and Technology, Xiamen University , Xiamen 361005) 2) (School of Urban Planning Landscaping, Xuchang University, Xuchang 461000) 3) (Department of Communication and Control Engineering, Hunan University of Humanities , Science and Technology, Loudi 417000) 4) (Fujian Key Laboratory of the Brain-like Intelligent Systems (Xiamen University ), Xiamen 361005) Abstract: The traditional floating feature descriptors are in high memory load and slow in matching. To best address these problems, this paper proposed a novel binary feature descriptor based on gradient statistic information comparison. Firstly, the image patch around the keypoint is divided into sub-regions, and our binary descriptor is constructed by comparing the gradient statistic information of these sub-regions. Then, a multi-gridding and multi-support region strategy is applied to boost the dis