-
题名快速自适应鲁棒性尺度不变的特征检测子
被引量：9
- 1
-
-
作者
张岩
李建增
李德良
杜玉龙
-
机构
军械工程学院无人机工程系
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2017年第6期1406-1413,共8页
-
基金
国家自然科学基金(51307183)资助课题
-
文摘
为提高特征检测的可靠性与实时性,提出了一种快速自适应鲁棒性尺度不变的特征检测子(fast adaptive robust invariant scalable feature detector,FARISFD)。首先提出尺度空间组数自适应选取方法改善了检测子针对不同图像的鲁棒性,然后提出基于过渡层的尺度空间构建方法加强了尺度空间的鲁棒性,最后利用基于加速段的特征检测子(features from accelerated segment test,FAST)计算特征分数,并通过简化传统亚像素级矫正方法,提高了特征分数的计算与亚像素级矫正速度。通过复现率与耗时实验进行了验证,与5种使用广泛的检测子对比结果表明,FARISFD的鲁棒性与速度较高。
-
关键词
特征匹配
特征检测
快速自适应鲁棒性尺度不变的特征检测子
加速的风式特征算子
基于加速段的特征检测子
-
Keywords
feature registration
feature detection
fast adaptive robust invariant scalable feature detector（FARISFD）
Accelerated-KAZE
features from accelerated segment test （FAST）
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名快速稳健的自适应非线性尺度特征检测子
被引量：2
- 2
-
-
作者
张岩
李建增
李德良
杜玉龙
-
机构
军械工程学院无人机工程系
-
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2016年第11期2678-2684,共7页
-
基金
国家自然科学基金(51307183)资助课题
-
文摘
提出了一种快速稳健的自适应非线性尺度特征检测子(fast robust adaptive nonlinear scale feature detector,FRANSFD),通过非线性尺度空间快速求解去除了噪声同时保证了边缘细节,并将自适应选取尺度空间组数、基于加速段检验的自适应通用角点检测子(adaptive and generic corner detection based on the accelerated segment test,AGAST)与框状拉普拉斯滤波器去除边缘响应相结合,兼顾了检测的准确性与实时性。通过与尺度不变特征转换(scale invariant feature transform,SIFT)检测子、快速鲁棒性特征(speeded up robust features,SURF)检测子、风式特征(KAZE)检测子以及二进制鲁棒性尺度不变的特征(binary robust invariant scalable keypoints,BRISK)检测子的实验对比可知,FRANSFD的5种变换鲁棒性均较强,同时速度也更快。综合性能较KAZE提高约5.76%,速度提高约47%。
-
关键词
特征匹配
快速稳健的自适应非线性尺度特征检测子
风式特征匹配算子
自适应通用角点检测算子
-
Keywords
feature matching
fast robust adaptive nonlinear scale feature detector （FRANSFD）
KAZE
adaptive and generic corner detection based on the accelerated segment test （AGAST）
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于自适应增强的图像二值描述子
被引量：4
- 3
-
-
作者
卢来
王军民
范锐
-
机构
广东海洋大学寸金学院
广东海洋大学信息学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2016年第6期230-234,240,共6页
-
基金
广东省教育厅2014年特色创新基金资助项目(2014GXJK181)
-
文摘
针对经典的尺度不变特征变换和快速鲁棒特征描述子存在空间占用和参数自适应学习能力较差的问题,提出一种基于自适应增强的图像二值描述子,采用优化学习的思路获取图像描述子。使用学习方法得到图像描述子的通用框架,在基于阈值响应的相似度函数上,给出一种改进的相似度函数,通过该函数可快速学习图像的描述子及二值描述子。运用图像的梯度特征构建弱学习器,通过自适应增强方法寻找弱学习器的最优权重和非线性特征响应,得到区分性强且鲁棒性好的局部特征描述子。图像匹配实验结果表明,该图像二值描述子占用存储空间少、匹配性能好。
-
关键词
描述子
图像描述
自适应增强
图像匹配
尺度不变特征变换
快速鲁棒特征
局部特征
弱学习器
-
Keywords
descriptor
image description
Adaboost
image matching
Scale Invariant Feature Transform（SIFT）
Speeded up Robust Feature（SURF）
local feature
weak learner
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
