论文部分内容阅读
为提高二值描述子的分辨力和鲁棒性,提出一种新的特征组合二值描述子算法。将采样点圆形邻域划分为多个环域,通过比较任一对采样点对应环域的灰度均值获得灰度二值向量,计算采样点圆形邻域内像素点的高斯一阶梯度均值和高斯二阶偏导数均值,获取采样点对的梯度二值向量,将所有采样点对的灰度二值向量和梯度二值向量串联得到特征点的初始描述子,并采用特征筛选策略来降低描述子的维数得到低存储、强区分力的描述子。在Oxford数据集和复杂光照图片上的实验结果表明,该算法在光照变化、模糊变化和JPEG压缩条件下具有较好的鲁棒性。