科研之友
微信
新浪微博
Facebook
分享链接
摘要
局部特征匹配是机器视觉研究领域中的一个基础问题，也是该领域的研究热点之一，在目标识别、目标跟踪、场景区分等应用中具有重要的作用。而在局部特征匹配研究过程中，如何在满足多种图像变换的前提下，设计一种高效的图像特征描述子是需要解决的一个关键问题。现有的特征描述子，如SIFT和SURF,计算复杂性较高，难以胜任实时视频或移动计算环境；BRIEF特征描述子计算简单，匹配效率高，能满足实时视频或者移动计算环境的要求，但其仅考虑了单个像素，不具备方向，也就不具有旋转不变性。在BRIEF特征描述子的基础上，该文选择多个特征点，并引入阶排列方法，提出一种改进的特征描述子OPoBRIEF。相对于传统的特征描述子，OPoBRIEF能够包含更多的局部特征信息，并且计算复杂性较低。通过特征描述子稳定性实验，表明OPoBRIEF比BRRIEF具有更高的匹配正确率和更好的稳定性。而特征描述子旋转不变性的实验则表明，在旋转角度为10～12区间，OPoBRIEF与SIFT效果相当，但明显优于ORB算法。
- 单位
