特征向量场与特征匹配.docVIP

特征向量场和特征匹配 F.C. Wu*, Z.H. Wang, X.G. Wang 文章历史： 2008年10月22日收到稿件； 2010年2月2日收到修订后的稿件； 2010年5月2日收录。 摘要： 本文中，我们提出基于图像梯度内、外积的图像特征向量场。这个特征向量场有效地表示了包括拐角和大曲率边缘点在内的图像边缘和特征点。使用它就可以为点匹配和曲线匹配构建一些新颖的描述符。这些描述符对于欧氏变换和线性强度变化都有不变性。实验结果表明，对小图像仿射变换、JPEG压缩和非线性强度变化也有良好的适应性。 2010 Elsevier Ltd.保留所有权利。 关键字：内积，外积，特征匹配，特征描述。 引言 点匹配：点匹配方法主要分为两类：基于强度分布的方法和基于梯度分布的方法；且都使用描述符来表示局部图像区域中的强度分布或梯度分布。交叉相关[1-3]是一个基于强度分布的经典描述符，而旋转图像[4]的描述符则要更加出众。在基于梯度分布的描述中，由Lowe[5]提出的尺度不变特征变换（SIFT）是最著名的一个。之后[5]，又有了许多相似的变体，如前后形态关系[6]、GLOH[7]和SURF[8]等。除了上述两种主要类型，文献中也有介绍一些其他技术，像局部喷射[9]、可操作滤波器[10]、不变矩[11]和复杂滤波器[12,13]。Mikolajczy和Schmid[7]对这些主流描述符在真实