2DPCA-SIFT:一种有效的局部特征描述方法
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。
2DPCA降维、局部特征描述、图像匹配、图像检索
TP3;TN9
国家自然科学基金61272220;江苏省自然科学青年基金BK2012399资助@@@@Supported by National Natural Science Foundation of China61272220;Natural Science Foundation of Jiangsu ProvinceBK2012399
2014-05-15(万方平台首次上网日期,不代表论文的发表时间)
共8页
675-682