改进的图像局部特征区域描述方法

doi:10.11959/j.issn.1000-436x.2015089

通信学报 ›› 2015, Vol. 36 ›› Issue (4): 179-184.doi: 10.11959/j.issn.1000-436x.2015089

改进的图像局部特征区域描述方法

朱仁欢,高清维(),卢一相,孙冬

安徽大学电气工程与自动化学院，安徽合肥 230601

出版日期:2015-04-25 发布日期:2015-04-15
基金资助:
国家自然科学基金资助项目;国家自然科学青年基金资助项目;国家自然科学青年基金资助项目

Improved method for local image feature region description

Ren-huan ZHU,Qing-wei GAO(),Yi-xiang LU,Dong SUN

College of Electrical Engineering and Automation，Anhui University，Hefei 230601，China

Online:2015-04-25 Published:2015-04-15
Supported by:
The National Natural Science Foundation of China

摘要/Abstract

摘要：

针对描述子的性能与维数相矛盾的问题，提出了一种顽健的图像局部特征区域的描述方法。首先按照像素排序将局部特征区域分割为若干个子区域，然后利用基于阈值的分段局部描述子设计方法计算描述子，并采用纹理谱加权方法累加局部描述子得到子区域描述子，最后连接各部分子区域描述子得到最终的特征描述子。该方法综合了全局信息和局部信息，在保证描述子维数较小时对噪声具有一定的顽健性。实验结果表明该方法不仅对单调强度变化和旋转变化具有不变性，而且对其他几何和光学变换具有较好的顽健性。

关键词: 局部特征, 特征检测, 特征描述, 旋转不变性

Abstract:

A robust method for local image feature region description was proposed based on the problem of contradiction between performance and dimension of descriptor.First，the local feature region was divided into several subregions according to their intensity order.Then，the method of segmented local feature description based on threshold was used to compute the descriptor，and the method of the weighted texture spectrum was used to cumulate the local descriptor.At last，concatenate the descriptors of every subregion together to get the final descriptor of the interest region.This method combined overall information and local information together，and robust to noise when ensure the dimension of descriptor was small.The experimental results show that the proposed descriptor is not only invariant to monotonic intensity changes and image rotation but also robust to many other geometric and photometric transformations.

Key words: local feature, feature detection, feature description, rotation invariant

朱仁欢,高清维,卢一相,孙冬. 改进的图像局部特征区域描述方法[J]. 通信学报, 2015, 36(4): 179-184.

Ren-huan ZHU,Qing-wei GAO,Yi-xiang LU,Dong SUN. Improved method for local image feature region description[J]. Journal on Communications, 2015, 36(4): 179-184.

图/表 7

图1

表1

图2

图3

图4

图5

表2

参考文献 16

[1]	LOWE D G . Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision， 2004，60(2): 91-110.
[2]	TUYTELAARS T ， VAN GOOL L . Matching widely separated views based on affine invariant regions[J]. International Journal of Computer Vision， 2004，59(1): 61-85.
[3]	NISTER D ， STEWENIUS H . Scalable recognition with a vocabulary tree[A]. IEEE Conference on Computer Vision and Pattern Recognition[C]. New York，NY，USA， 2006. 2161-2168.
[4]	BROWN M ， LOWE D G . Automatic panoramic image stitching using invariant features[J]. International Journal of Computer Vision， 2007，74(1): 59-73.
[5]	KE Y ， SUKTHANKAR R . PCA-SIFT:A more distinctive representation for local image descriptors[A]. IEEE Conference on Computer Vision and Pattern Recognition[C]. Washington，DC，USA， 2004. 506-513.
[6]	MIKOLAJCZYK K ， SCHMID C . A performance evaluation of local descriptors[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence， 2005，27(10): 1615-1630.
[7]	BAY H ， TUYTELAARS T ， VAN GOOL L . Surf:Speeded up Robust Features[M]. Berlin Heidelberg. Springer-Verlag， 2006.
[8]	HEIKKILA M ， PIETIKAINEN M ， SCHMID C . Description of interest regions with local binary patterns[J]. Pattern recognition， 2009，42(3): 425-436.
[9]	GUPTA R ， PATIL H ， MITTAL A . Robust order-based methods for feature description[A]. IEEE Conference on Computer Vision and Pattern Recognition[C]. San Francisco，CA，USA， 2010. 334-341.
[10]	TOLA E ， LEPETIT V ， FUA P . Daisy:An efficient dense descriptor applied to wide-baseline stereo[J]. IEEE Transaction on PatternAnalysis and Machine Intelligence， 2010，32(5): 815-830.
[11]	DAHL A L ， AANAES H ， PEDERSEN K S . Finding the best feature detector-descriptor combination[A]. International Conference on 3D Imaging，Modeling，Processing，Visualization and Transmission[C]. Hangzhou，China， 2011. 318-325.
[12]	FAN B ， WU F ， HU Z . Rotationally invariant descriptors using intensity order pooling[J]. IEEE Transaction on Pattern Analysis and Machine Intelligence， 2012，34(10): 2031-2045.
[13]	WANG Z ， FAN B ， WU F . Local intensity order pattern for feature description[A]. IEEE International Conference on Computer Vision[C]. Barcelona，Spain， 2011. 603-610.
[14]	Available online[EB/OL]. .
[15]	MIKOLAJCZYK K ， TUYTELAARS T ， SCHMID C ，et al. A comparison of affine region detectors[J]. International Journal of Computer Vision， 2005，65(1-2): 43-72.
[16]	MIKOLAJCZYK K ， SCHMID C . Scale & affine invariant interest point detectors[J]. International Journal of Computer Vision， 2004，60(1): 63-86.

描述子	10.11959/j.issn.1000-436x.2015089.F001	10.11959/j.issn.1000-436x.2015089.F001
	纹理平坦区域	带噪声的纹理平坦区域
	π=(1，2，3，4)	π=(1，3，2，4)
LIOP	Ind(π)=1	Ind(π)=3
	LIOP(x)=(1，0，…，0)	LIOP(x)=(0，0，1，0，…，0)
	π=(1，2，3，4)	π=(1，2，3，4)
T-LIOP	Ind(π)=1	Ind(π)=1
	T-LIOP(x)=(1，0，…，0)	T-LIOP(x)=(1，0，…，0)

描述子	维数	时间/ms
SIFT	128	1.4
HRI-CSLTP	384	3.2
LIOP	144	3.4
IWLIOP	72	3.9

改进的图像局部特征区域描述方法

Improved method for local image feature region description

在线阅读

PDF下载

可视化

被引次数

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 16

相关文章 6

Metrics

推荐阅读 0

[1]	刘亚姝,王志海,严寒冰,侯跃然,来煜坤. 抗混淆的恶意代码图像纹理特征描述方法[J]. 通信学报, 2018, 39(11): 44-53.
[2]	林晶,黄添强,林玲鹏,李小琛. 采用局部强度顺序模式的图像复制—粘贴篡改检测算法[J]. 通信学报, 2016, 37(Z1): 132-139.
[3]	耿利川,苏松志,李绍滋. 基于透视不变二值特征描述子的图像匹配算法[J]. 通信学报, 2015, 36(4): 105-114.
[4]	唐剑琪1，谢林江2，袁庆生1，张冬明3，包秀国1，郭薇4. 基于ORB的镜头边界检测算法[J]. 通信学报, 2013, 34(11): 21-190.
[5]	唐剑琪,谢林江,袁庆生,张冬明,包秀国,郭薇. 基于ORB的镜头边界检测算法[J]. 通信学报, 2013, 34(11): 184-190.
[6]	王平,方滨兴,云晓春. 基于自动特征提取的大规模网络蠕虫检测[J]. 通信学报, 2006, 27(6): 87-93.