best365网页版登录学术报告
sRIFD: A Shift Rotation Invariant Feature Descriptor for Multi-sensor Image Matching
张国涵
（北京邮电大学）
报告时间：2023年3月10日 星期五 下午16:00-17:00
报告地点：best365网页 沙河校区 E404
报告摘要：传统的特征描述符，如基于SIFT的描述符通常使用主导梯度方向来实现旋转不变性。然而，由于多传感器图像中的复杂辐射差异，基于强度和梯度的方法在多光谱图像上表现不佳。为解决这个问题，本文提出了一种新的特征描述符，名为移位旋转不变特征描述符(sRIFD)，它对多传感器图像旋转具有鲁棒性。所提出的方法sRIFD基于相位一致性模型，该模型对光照和对比度变化具有不变性。sRIFD有三个主要贡献。首先，我们探索了相位一致性的方向与图像旋转之间的关系，并将图像方向量化为几个值。其次，受RIFT中最大索引图(MIM)的启发，sRIFD构建了一个二阶最大索引图(SOMIM)来进行特征描述。第三，sRIFD建立在对数极坐标网格上，避免在计算描述符之前旋转特征块，描述符向量易于基于离散方向进行移位。我们使用多模式图像数据集来评估sRIFD。实验结果表明，sRIFD在多传感器图像匹配上可以达到良好的性能，并且在旋转图像上表现良好。
报告人简介：张国涵，北京邮电大学讲师，获得2023年自科青年基金资助，研究领域最优化理论与算法。
邀请人： 谢家新
