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.
基金项目
陕西省教育厅自然科学研究基金资助项目(18JK1104)
陕西省教育科学规划项目(SGH21Y0322)
国家科技期刊平台
NSTL
维普
万方数据