仿射不变的快速局部特征描述子算法

吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (04): 1059-1064.

仿射不变的快速局部特征描述子算法

刘萍萍^1,2,赵宏伟^1,2,耿庆田¹,刘志勇¹

1.吉林大学计算机科学与技术学院,长春 130012；2.吉林大学符号计算与知识工程教育部重点实验室,长春 130012

收稿日期:2009-01-02 出版日期:2010-07-01 发布日期:2010-07-01
通讯作者: 赵宏伟（1962-）,男,教授,博士生导师.研究方向:智能信息系统与嵌入式技术.E-mail:zhaohw@jlu.edu.cn E-mail:zhaohw@jlu.edu.cn
作者简介:刘萍萍（1979-),女,讲师,博士.研究方向:智能信息系统与嵌入式技术.E-mail:liupp@jlu.edu.cn
基金资助:
教育部高等学校博士学科点专项科研基金项目（20050183032）；吉林省教育厅科学基金项目（2009604）

Affine invariant fast local feature description algorithm

LIU Ping-ping ^1,2,ZHAO Hong-wei ^1,2,GENG Qing-tian ¹,LIU Zhi-yong ¹

1.Department of Computer Science and Technology|Jilin University, Changchun 130012,China;2.Key Laboratory of Symbolic Computation and Knowledge Engineering for Ministry of Education, Jilin University, Changchun 130012,China

Received:2009-01-02 Online:2010-07-01 Published:2010-07-01

摘要/Abstract

摘要：

在局部图像特征的研究中，提出了一种用于实时图像匹配的仿射不变快速局部特征（Affine invariant fast local feature，AIFLF）描述方法。在兴趣点的局部邻域内利用归一化的梯度值建立基于仿射不变矩的描述子。模拟实验中，将利用HarrisLaplacian检测子的本文算法与经典SIFT算法进行了对比。结果表明：在识别率相当的条件下，本文算法运行时间明显小于SIFT描述子。在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下，本文算法在尺度、视角和旋转变换中的匹配效果好于经典的SIFT算子和SURF算子。

关键词: 计算机应用, 局部特征, 仿射不变矩, 图像匹配

Abstract:

A novel fast local feature description method in real-time image matching is proposed, called Affine Invariant Fast Local Feature (AIFLF). A fast local character descriptor is proposed using affine moment invariants based on normalized gradient value of local neighbor area to the centre point. Simulation experiment show that, for comparative recognition rate, the run time of the proposed AIFLF is obvious less than that of classical SIFT arithmetic. Another matching experiment is conducted, in which the datasets are composed of standard evaluation images, which are taken by mobile robot platform. Performance evaluations show that AIFLF generally outperforms SIFT and SURF, especially in image scale, visual angle, and rotation transformation. Therefore, AIFLF is suitable for real-time image matching application.

Key words: computer application, local feature, affine moment invariants, image matching

中图分类号:

TP391.4

刘萍萍^1,2,赵宏伟^1,2,耿庆田¹,刘志勇¹. 仿射不变的快速局部特征描述子算法[J]. 吉林大学学报(工学版), 2010, 40(04): 1059-1064.

LIU Ping-ping,ZHAO Hong-wei,GENG Qing-tian,LIU Zhi-yong. Affine invariant fast local feature description algorithm[J]. 吉林大学学报(工学版), 2010, 40(04): 1059-1064.

参考文献

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3]	金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4]	赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8]	桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11]	赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12]	黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13]	傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed