论文部分内容阅读
特征匹配是目标识别的基础,文章针对特征描述子在多变复杂场景中的自适应问题,从特征向量的低维度、高稳健、易计算3个方面,结合核主成分降维、匹配核的空间映射以及Power-law归一化等特征处理方法,提出一种面向复杂变换环境的集成低维度的特征匹配算法。首先,采用线性内积核将特征向量映射至高维空间提取特征主成分,然后通过Hellinger匹配核完成主成分空间到RootSIFT的映射转换,最后对特征向量进行α中心化和Power-law归一化,形成新的稳健特征向量。实验证明该算法简单易行,特征维度得到了大幅度