融合几何特征的压缩感知SIFT描述子

赵爱罡; 王宏力; 杨小冈; 陆敬辉; 何星

融合几何特征的压缩感知SIFT描述子

1.
第二炮兵工程大学目标探测与图像制导实验室,陕西西安710025

基金项目:

国家自然科学基金(61203189);总装预研基金(9140A01060411JB4701)

详细信息

作者简介:
赵爱罡(1986-),男,博士生,主要从事图像制导方面的研究.Email:zhaoaigang1986120@163.com

中图分类号: TP391

Compressed sense SIFT descriptor mixed with geometrical feature

1.
Target Detection and Image Guidance Laboratory of the Second Artillery Engineering College,Xi'an 710025,China

摘要: 为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中,易造成误匹配,并且维数较高、匹配耗时的问题,提出了一种融合相对几何位置的压缩感知描述子.首先,以特征点为中心,将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子,其次,对SIFT描述子利用压缩感知(CS)理论进行降维,形成CS-SIFT描述子,最后将两者融合形成RGL-CS-SIFT描述子.实验结果表明:与SIFT和PCA-SIFT描述子相比,匹配速度有所提升,匹准确率明显提高.
- SIFT描述子 /
- 压缩感知 /
- 几何特征 /
- 图像匹配
Abstract: In order to solve the problems that SIFT(Scale Invariant Feature Transform, SIFT) descriptor may result in a lot mismatches when an image has many similar structures and its high dimensions will consume much time in image matching. This paper presents a compressive sensed SIFT descriptor which is mixed with relative geometry location. At first,this method centers on feature point,and transforms the information of relative geometry location related to around key points into a RGL(Relative Geometrical Location, RGL) descriptor, which is invariant to scale and rotation. Secondly, CS-SIFT(Compressive Sense SIFT, CS-SIFT)descriptor is formed by reducing dimensions of SIFT descriptor using the theory of compressive sense. At last, two descriptors form a RGL-CS-SIFT descriptor(descriptor mixed with RGL and CS-SIFT, RGL-CS-SIFT). The results indicate that the RGL-CS-SIFT increases the matching speed and improves the ratio of image matching significantly, compared with SIFT and PCA-SIFT(Principal Component Analysis SIFT, PCA-SIFT) descriptors.
- SIFT descriptor /
- compressive sense /
- geometrical feature /
- image matching

[1]
[2]	Ding Lin, Ni Xiliang, Jiang Tao, et al. Automatic registration of CCD images and IR images based on invariant feature[J]. Infrared and Laser Engineering, 2011, 40(2): 350-354. (in Chinese) 丁琳, 倪希亮, 江涛, 等. 基于不变特征的CCD影像与红外影像的自动准[J]. 红外与激光工程, 2011, 40(2): 350-354.
[3]	Liu Xingmiao, Wang Shicheng, Zhao Jing. Infrared image moving object detection based on image block reconstruction[J]. Infrared and Laser Engineering, 2011, 40(1): 176-180. (in Chinese) 刘兴淼, 王仕成, 赵静. 图像分块重建的红外运动目标检测算法[J]. 红外与激光工程, 2011, 40(1): 176-180.
[4]
[5]	He X C, Yung N H C. Curvature scale space corner detector with adaptive threshold and dynamic region of support[C]//Proceedings of the 17th International Conference on Pattern Recognition (ICPR), 2004: 1051-4651.
[6]
[7]
[8]	Lowe D G. Distinctive image features from scale-invariant keypoints[J]. International Journal of Computer Vision, 2004, 60(2): 91-110.
[9]
[10]	Liu Jin, Zhang Tianxu. Recognition of the blurred image by complex moment Invariants[J]. Pattern Recognition Letters, 2005, 24: 1128-1138.
[11]
[12]	Kalra M, Ghosh D. Image compression using wavelet based compressed sensing and vector quantization[C]//IEEE Proceedings of the International Conference on Signal Processing(ICSP2012), 2012: 1: 640-645.
[13]
[14]	Donoho D L. Compressed sensing[J]. IEEE Transactions on Information Theory, 2006, 52(4): 1289-1306.
[15]
[16]	Sun Nan, Pan Xiaowei, Ma Chun, et al. A survey on compressed sensing based banknote classification[C]//ICSPS2011, 2011, 7: 509-516.
[17]	Cands E J, Romberg J, Tao T. Robustuncertainty principles: Exact signalreconstruction from highly incomplete frequency information[J]. IEEE Transactions on Information Theory, 2006, 52(2): 489-509.
[18]
[19]	Ke Y, Sukthankar R. PCA-SIFT: A more distinctive representation for local image descriptors[C]//Computer Vision and Pattern Recognition(CVPR), 2004, 2II: 506-513.

[1]	徐亦静, 吴志鹏, 王琦龙. 光谱域编码的压缩光谱测量技术 . 红外与激光工程, 2022, 51(11): 20220093-1-20220093-17. doi: 10.3788/IRLA20220093
[2]	孙强, 戴鹭楠, 应恺宁, 倪辰荫. 二分搜索和压缩感知在激光超声内部缺陷快速检测技术的应用 . 红外与激光工程, 2022, 51(2): 20210810-1-20210810-13. doi: 10.3788/IRLA20210810
[3]	张赛文, 邓亚琦, 王冲, 冷潇泠, 张光富, 文兵, 邓杨保, 谭伟石, 田野, 李稳国. 基于多测量矢量压缩感知的超分辨荧光显微成像研究 . 红外与激光工程, 2021, 50(11): 20210484-1-20210484-8. doi: 10.3788/IRLA20210484
[4]	杨程, 鄢秋荣, 祝志太, 王逸凡, 王明, 戴伟辉. 基于深度学习的压缩光子计数激光雷达 . 红外与激光工程, 2020, 49(S2): 20200380-20200380. doi: 10.3788/IRLA20200380
[5]	由四海, 王宏力, 冯磊, 何贻洋, 许强. 基于小波变换与压缩感知的脉冲星TOA估计 . 红外与激光工程, 2020, 49(2): 0226001-0226001. doi: 10.3788/IRLA202049.0226001
[6]	尹红飞, 郭亮, 周煜, 孙剑锋, 曾晓东, 唐禹, 邢孟道. 基于改进SVA和压缩感知的SAL旁瓣抑制算法 . 红外与激光工程, 2018, 47(12): 1230005-1230005(8). doi: 10.3788/IRLA201847.1230005
[7]	王忠良, 冯文田, 粘永健. 结合光谱解混与压缩感知的高光谱图像有损压缩 . 红外与激光工程, 2018, 47(S1): 189-196. doi: 10.3788/IRLA201847.S126003
[8]	王中阳, 周燕飞, 张小伟, 沈灏, 李恩荣, 韩申生, 宓现强, 田立君, 彭玉峰. 基于随机采样的超高分辨率成像中快速压缩感知分析 . 红外与激光工程, 2017, 46(2): 201002-0201002(7). doi: 10.3788/IRLA201746.0201002
[9]	马鹏阁, 陈恩庆, 庞栋栋, 羊毅. 基于快速贝叶斯匹配追踪的激光大气信道估计 . 红外与激光工程, 2017, 46(9): 922002-0922002(7). doi: 10.3788/IRLA201746.0922002
[10]	申艳, 解颐, 娄淑琴, 王鑫, 赵彤彤. 基于Contourlet变换和压缩感知的实际光子晶体光纤光 . 红外与激光工程, 2017, 46(3): 321001-0321001(7). doi: 10.3788/IRLA201746.0321001
[11]	杨新锋, 张金娜, 滕书华, 崔宇. 利用压缩感知实现随机变频雷达散射中心估计 . 红外与激光工程, 2016, 45(5): 526004-0526004(6). doi: 10.3788/IRLA201645.0526004
[12]	卢丙辉, 陈凤东, 刘炳国, 刘国栋, 戚子文. 基于映射图像匹配的子孔径拼接技术 . 红外与激光工程, 2016, 45(8): 824005-0824005(6). doi: 10.3788/IRLA201645.0824005
[13]	肖传民, 史泽林, 刘云鹏. 张量子空间降维的边缘图像匹配 . 红外与激光工程, 2015, 44(11): 3488-3493.
[14]	张采芳, 田岩, 李江. 基于几何特征分析的路面裂缝分类算法研究 . 红外与激光工程, 2015, 44(4): 1359-1364.
[15]	尹继豪, 孙建颖. 基于压缩感知理论的波段重构方法 . 红外与激光工程, 2014, 43(4): 1260-1264.
[16]	谭歆, 冯晓毅, 王保平. 稀疏带状测量矩阵在压缩感知ISAR成像中的应用 . 红外与激光工程, 2013, 42(11): 3137-3143.
[17]	朱丰, 张群, 冯有前, 罗迎, 李开明, 梁必帅. 逆合成孔径激光雷达鸟类目标压缩感知识别方法 . 红外与激光工程, 2013, 42(1): 256-261.
[18]	陈春利, 谢红梅, 彭进业, 王志成, 王保平. 压缩感知机动目标ISAR成像新方法 . 红外与激光工程, 2013, 42(8): 2269-2274.
[19]	杨新锋, 滕书华, 夏东. 基于空间变换迭代的SIFT特征图像匹配算法 . 红外与激光工程, 2013, 42(12): 3496-3501.
[20]	何莲, 蔡敬菊, 张启衡. 改进的基于弦切变换的目标检测方法 . 红外与激光工程, 2012, 41(1): 239-247.

点击查看大图

计量

文章访问数: 488
HTML全文浏览量: 92
PDF下载量: 690
被引次数: 0

全文HTML

参考文献 (19)

姓名
邮箱
手机号码
标题
留言内容
验证码

留言板

融合几何特征的压缩感知SIFT描述子

作者简介:
赵爱罡(1986-),男,博士生,主要从事图像制导方面的研究.Email:zhaoaigang1986120@163.com

Compressed sense SIFT descriptor mixed with geometrical feature

计量

融合几何特征的压缩感知SIFT描述子

1. 第二炮兵工程大学目标探测与图像制导实验室,陕西西安710025

作者简介:
赵爱罡(1986-),男,博士生,主要从事图像制导方面的研究.Email:zhaoaigang1986120@163.com

English Abstract

Compressed sense SIFT descriptor mixed with geometrical feature

1. Target Detection and Image Guidance Laboratory of the Second Artillery Engineering College,Xi'an 710025,China

全文HTML

目录

留言板

融合几何特征的压缩感知SIFT描述子

作者简介: 赵爱罡(1986-),男,博士生,主要从事图像制导方面的研究.Email:zhaoaigang1986120@163.com

Compressed sense SIFT descriptor mixed with geometrical feature

计量

出版历程

融合几何特征的压缩感知SIFT描述子

1. 第二炮兵工程大学目标探测与图像制导实验室,陕西西安710025

作者简介: 赵爱罡(1986-),男,博士生,主要从事图像制导方面的研究.Email:zhaoaigang1986120@163.com

English Abstract

Compressed sense SIFT descriptor mixed with geometrical feature

1. Target Detection and Image Guidance Laboratory of the Second Artillery Engineering College,Xi'an 710025,China

全文HTML

目录

作者简介:
赵爱罡(1986-),男,博士生,主要从事图像制导方面的研究.Email:zhaoaigang1986120@163.com

作者简介:
赵爱罡(1986-),男,博士生,主要从事图像制导方面的研究.Email:zhaoaigang1986120@163.com