摘要：针对基于传统采样模型的特征描述算法鲁棒性不高的问题,建立一种基于高斯分布的强独特性描述子采样模型.首先通过对比BRISK和FREAK采样模型,确定了影响描述子性能的模型参数;然后通过理论建模分析参数对模型性能的影响规律,选取最优值参数以达到信息含量最优、独特性最强的目的;最后根据人眼视网膜细胞的分布特性构建改进模型.实验结果表明,基于改进模型的描述算法不仅可以更好地克服图像中各种尺度、旋转、视角和噪声等变换的影响,而且完全满足实时性要求,其鲁棒性与BRISK和FREAK采样模型相比分别提升9%和5%.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社