项目名称: 基于特征组对策略的分层匹配方法研究

项目编号: No.61272394

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 自动化技术、计算机技术

项目作者: 王志衡

作者单位: 河南理工大学

项目金额: 81万元

中文摘要: 特征匹配是图像处理与计算机视觉领域的共性关键技术,经典基于描述子的匹配方法主要面临如下瓶颈问题:(1)图像形变导致同一特征的描述子间产生误差而影响描述子分辨力;(2)重复纹理使不同特征具有相近描述子而造成匹配歧义性。利用几何位置信息是解决上述问题的有效思路,但已有整体几何优化的方法十分复杂而不易实现。本课题将针对上述瓶颈问题提出并研究一种基于特征组对策略的分层匹配方法,主要内容包括: (1)基于特征组对的特征描述,主要研究如何通过特征组对策略进行特征描述以克服传统描述子的缺点;(2)基于特征组对的几何引导约束,明确已确立匹配对后续匹配的几何引导约束形式;(3)匹配算法设计,主要研究图像形变与重复纹理下匹配算法的设计问题;(4)算法验证及应用,主要在图像库上进行算法测试、优化并选取典型场景进行应用研究。本课题研究是对特征匹配理论与方法的丰富与发展,将有力推动这一领域产生更优算法。

中文关键词: 特征检测;特征匹配;特征组对;几何引导约束;

英文摘要: Feature matching is the common key technique in the fields of image processing and computer vision, and the classic descriptor-based methods face the following bottlenecks: (1)Image deformation makes errors among descriptors of one single feature and damages their distinctiveness. (2)Repeated texture makes different features have similar descriptors and results in matching ambiguity. Using geometric information is an effective way for resolving the above problems, however, existing geometric optimization-based matching methods are so complicated that they are difficult to achieve. Focus on the above two bottleneck matching problems,in this project an original layered matching method is developed and investigated based on feature-pairing strategy, the main content of which includes: (1)Feature-pairing based feature description, which mainly reseaches on how to describe features using feature-pairing strategy for resolving shortcomings of traditional descriptors; (2)Feature-pairing based geometric guidance and constraint, which mainly focus on the specific form of geometric guidance and constraint from the estiblished matches to the following matches; (3)Matching algorithm designing, which mainly reasearch on how to design the algorithm under condition of image deformation and repeated textures; (4) Algorithm veri

英文关键词: Feature detection;Feature matching;Feature pairing;Geometric guidance and constraint;

成为VIP会员查看完整内容
0

相关内容

【CVPR2022】基于样例查询机制的在线动作检测
专知会员服务
9+阅读 · 2022年3月23日
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
20+阅读 · 2021年5月1日
专知会员服务
23+阅读 · 2021年1月30日
专知会员服务
36+阅读 · 2020年12月22日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
【泡泡图灵智库】基于草图的图像检索的零元学习
泡泡机器人SLAM
12+阅读 · 2019年9月16日
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
【泡泡图灵智库】通过基准标志匹配改善的SFM算法(ECCV)
论文浅尝 | 基于属性嵌入的知识图谱间实体对齐方法
开放知识图谱
30+阅读 · 2019年3月26日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
15+阅读 · 2018年2月4日
小贴士
相关VIP内容
【CVPR2022】基于样例查询机制的在线动作检测
专知会员服务
9+阅读 · 2022年3月23日
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
专知会员服务
86+阅读 · 2021年9月4日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
20+阅读 · 2021年5月1日
专知会员服务
23+阅读 · 2021年1月30日
专知会员服务
36+阅读 · 2020年12月22日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
45+阅读 · 2020年12月4日
相关资讯
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
【泡泡图灵智库】基于草图的图像检索的零元学习
泡泡机器人SLAM
12+阅读 · 2019年9月16日
综述 | SLAM回环检测方法
计算机视觉life
15+阅读 · 2019年8月19日
【泡泡图灵智库】通过基准标志匹配改善的SFM算法(ECCV)
论文浅尝 | 基于属性嵌入的知识图谱间实体对齐方法
开放知识图谱
30+阅读 · 2019年3月26日
一种关键字提取新方法
1号机器人网
21+阅读 · 2018年11月15日
图像检索研究进展:浅层、深层特征及特征融合
中国计算机学会
122+阅读 · 2018年3月26日
相关基金
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员