论文部分内容阅读
图像特征检测与匹配是计算机视觉中的基本问题，它们在图像配准、三维重建、物体识别、运动跟踪和视频理解等领域都具有广泛应用。本文工作主要集中于特征点的检测与匹配，主要创新点如下：
1.利用梯度外积运算引入图像的外积能量，外积能量能有效增强图像的角点和大曲率的边缘点。在此基础上，提出了一种新的特征点检测算子，称之为MEP检测算子。MEP检测算子能检测出角点、大曲率的边缘点和Blob点，同时还具有图像旋转和线性光照的不变性。
2.利用梯度内积和外积运算，引入梯度相关性与特征向量场，并提出了两种新的特征点匹配方法：梯度相关性描述子(GCD)与特征向量场描述子(FVD)。这两种描述子都具有图像旋转和线性光照的不变性，实验表明它们对图像仿射、模糊、JPEG和非线性光照变化也有很好的适应性。
3.受Harris检测算子的启发，提出两种新的图像特征：Harris相关和Harris特征向量，并给出两种新的描述子：Harris相关描述子(HCD)和Harris特征向量描述子(HFVD)。这两种描述子都具有图像旋转和线性光照的不变性。实验表明，它们对图像仿射、模糊、JPEG和非线性光照变化也表现出很好的性能。