一种基于改进SURF特征描述子的快速算法

在SURF算法中为保证旋转不变性需要计算出关键点主方向,并将关键点周围的梯度信息旋转到主方向后构造描述子,造成了时间上的大量开销。文中重新构造了一组各向同性特征描述子,在保证描述子旋转不变性的同时,避免了计算主方向及依据主方向旋转梯度的相关操作,进而节省了计算时间。实验结果表明,新算法在一定误差范围内计算速度比改进前的算法提高了近30%。

局部特征描述子中的数学原理

近十年来,传统的图像检测与匹配算法进入瓶颈期,以深度学习为首的图像特征检测与匹配正展露尖角,将传统算法和深度学习相互融合已是大势所趋。文章简要叙述了几种经典检测算法中特征描述子的生成流程,从数学角度严谨地阐述了局部描述子对图像存在噪声、光照和旋转变化等干扰因素具有良好鲁棒性的原理,并分析讨论了其性能及优缺点。

改进的ORB算法在有遮挡的车辆跟踪上的应用

为解决部分遮挡情况下车辆实时跟踪丢失的问题,提出一种基于特征点匹配的改进ORB(improved oriented FAST and rotated BRIEF)算法。在FAST检测角点后用拉普拉斯极值去除虚假角点,相比ORB算法提高了匹配的正确率和检测速度。改进的FAST检测角点速度快,BRIEF(binary robust independent elementary features)描述子缩短建立描述符的时间,减少存储空间,提高特征点匹配的速度,满足实时跟踪的需要。实验结果表明,在有光照变化和噪声干扰的情况下,该算法能够快速准确地跟踪有部分遮挡的车辆。