基于非线性尺度空间的增强现实场景识别算法

目前大部分面向增强现实的场景识别算法一般采用构建线性高斯金字塔解决尺度不变性问题,此方法容易造成边界模糊和细节丢失,降低识别精度。针对这些问题,提出一种基于非线性尺度空间的场景识别算法,通过构建非线性尺度空间,自适应选取尺度空间组数,保证边缘细节。实验结果表明,相对于SIFT、SURF算法,该算法在视点、缩放旋转和JPEG压缩变换下有更强的鲁棒性,在保证识别精度的情况下,训练速度和识别速度明显提高。