极坐标下基于差分统计的描述器算法
特征描述器在许多机器视觉任务中有着重要的应用.为了提高特征描述器的性能,在极坐标下设计出了一种新的特征描述器--小波差分统计描述器(harr wavelet differential histograms,HWDH).该描述器算法先把选定的特征区域分成9个小区域;接着分别对小区域进行小波变换;然后算出对应的方向差分,同时用改进的尺度适应性二阶矩矩阵来选择特征点的主方向;最后在极坐标下,对每个小区域的差分,在相应的方向条目内进行统计.与其他基于统计的描述器相比,该算法不需要对特征区域进行旋转,即可减少统计误差.经与尺度不变特征变换(SIFT)的描述器的实验比较表明,该描述器在鲁棒性和速度性能上都很好.
尺度不变特征变换、主方向、描述器
14
TP391.41(计算技术、计算机技术)
国家自然科学基金项目60604007;重庆市自然科学基金项目CSTC2005BA2002
2009-06-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
961-966