RBFD:一种鲁棒的图像局部二值特征描述子  

RBFD: a Robust Image Local Binary Feature Descriptor

作　　者：耿利川[1,2] 成运[3] 苏松志[1,4] 林贤明[1,4] 李绍滋[1,4] 

机构地区：[1]厦门大学信息科学与技术学院,厦门361005 [2]许昌学院城乡规划与园林学院,许昌461000 [3]湖南人文科技学院通信与控制工程系,娄底417000 [4]福建省仿脑智能系统重点实验室(厦门大学),厦门361005

出　　处：《计算机辅助设计与图形学学报》2015年第5期815-823,共9页Journal of Computer-Aided Design & Computer Graphics

基　　金：国家自然科学基金(61373076;61202143);厦门大学中央高校项目(2013121026;2011121052);厦门大学985平台建设费项目;高等学校博士学科点专项科研基金(201101211120024);福建省自然科学基金(2013J05100;2010J01345;2011J01367);湖南省自然科学基金(12JJ2040);湖南省教育厅科研项目(09A046);厦门市科技重点项目(3502Z20123017);深圳市战略性新兴产业发展专项基金(JCYJ20120614164600201)

摘　　要：针对传统浮点型特征描述子占用空间大、匹配速度慢的问题,提出一种基于梯度统计信息比较的局部二值特征描述子.通过对比特征点邻域梯度统计信息生成二值特征描述子,再利用多邻域和多分块策略提高描述子判别力,最后通过近似简化的Ada Boost算法实现描述子降维.实验结果表明,与已有描述子相比,文中提出的描述子在实现快速生成的同时其鲁棒性更强.The traditional floating feature descriptors are in high memory load and slow in matching. To best address these problems, this paper proposed a novel binary feature descriptor based on gradient statistic information comparison. Firstly, the image patch around the keypoint is divided into sub-regions, and our binary descriptor is constructed by comparing the gradient statistic information of these sub-regions. Then, a multi-gridding and multi-support region strategy is applied to boost the discrimination of our descriptor. Finally, a simplified AdaBoost algorithm is applied to realize the descriptor dimension reduction. The experimental results show that our descriptor is both efficient in construction and robust to compare with the state-of-the-art methods.

关 键 词：局部特征 二值特征描述子 图像匹配 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]