2DPCA-SIFT：一种有效的局部特征描述方法

• 作者: 袁夏 赵春霞 颜雪军
• 来源期刊: 自动化学报
• 关键词: 2DPCA降维 局部特征描述 图像匹配 图像检索
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 论文与报告
• 页码范围: 675-682
• 页数: 8页
• 字数: 8024字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.00675

摘要

PCA-SIFT (Principal component analysis - scale invariant feature transform)方法通过对归一化梯度向量进行PCA 降维,在保留特征不变性的同时,有效地降低了特征矢量的维数,从而提高了局部特征的匹配速度。但PCA-SIFT 中对本征向量空间的求解非常耗时,极大地限制了PCA-SIFT 的灵活性与应用范围。本文提出采用2DPCA 对梯度向量块进行降维的特征描述方法。该方法相比于PCA-SIFT,可以快速地求解本征空间。实验结果表明：2DPCA-SIFT 在多种图像变换匹配和图像检索实验中可以实现与PCA-SIFT相当的性能,并且从计算效率上看,2DPCA-SIFT具有更好的扩展性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵春霞	南京理工大学计算机科学与工程学院	177	2193	25.0	36.0
2	袁夏	南京理工大学计算机科学与工程学院	14	165	8.0	12.0
3	颜雪军	南京理工大学计算机科学与工程学院	4	88	3.0	4.0