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