10.3969/j.issn.1006-883X.2018.04.005
一种图像特征点匹配算法——Haar-Gaussian&NICD算法
提出了一种基于哈尔小波分解变换和高斯尺度空间的图像特征点匹配算法.首先利用哈尔小波变换对基础图像进行3层行列分解,然后利用高斯函数卷积核对这些分解图像,进行尺度变换.提出了一个小波高斯金字塔塔林的概念,即对通过小波变换产生的多张不同分辨率的基础图像分别进行高斯尺度变换进而产生一个个独立的高斯金字塔,进而产生独立的高斯差分金字塔林,完成特征点检测.再引进规范化强对比度描述子对特征点进行描述.结果表明:Haar-Gaussia&NICD算法的效果和SIFT算法相当,特征点数量优于SIFT算法,在局部特征匹配方面要更有优势;而且和NICD描述子搭配使用,在运行速度方面要比SIFT算法更快.
哈尔小波变换、尺度空间、金字塔塔林、特征点检测、特征匹配
24
TP391.4(计算技术、计算机技术)
2018-07-04(万方平台首次上网日期,不代表论文的发表时间)
共6页
23-28