2DPCA-SIFT:一种有效的局部特征描述方法

被引：28

作者：

颜雪军

赵春霞

袁夏

机构：

[1] 南京理工大学计算机科学与工程学院

来源：

自动化学报 | 2014年 / 40卷 / 04期

关键词：

2DPCA降维; 局部特征描述; 图像匹配; 图像检索;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

PCA-SIFT(Principal component analysis–scale invariant feature transform)方法通过对归一化梯度向量进行PCA降维,在保留特征不变性的同时,有效地降低了特征矢量的维数,从而提高了局部特征的匹配速度.但PCA-SIFT中对本征向量空间的求解非常耗时,极大地限制了PCA-SIFT的灵活性与应用范围.本文提出采用2DPCA对梯度向量块进行降维的特征描述方法.该方法相比于PCA-SIFT,可以快速地求解本征空间.实验结果表明:2DPCA-SIFT在多种图像变换匹配和图像检索实验中可以实现与PCA-SIFT相当的性能,并且从计算效率上看,2DPCA-SIFT具有更好的扩展性.

引用

页码：675 / 682

页数：8

共 7 条

[1]

一种基于扇形区域分割的SIFT特征描述符[J]. 曾峦,顾大龙.自动化学报. 2012(09)

[2]

一种鲁棒的图像局部特征区域的描述方法[J]. 曾慧,穆志纯,王秀青.自动化学报. 2011(06)

[3]

基于SIFT特征目标跟踪算法研究[J]. 蔺海峰,马宇峰,宋涛.自动化学报. 2010(08)

[4] 一种新的局部不变特征检测和描述算法 [J].