Best-Buddies 相似度——基于互最近邻的鲁棒模板匹配
计算机视觉与模式识别
2016-09-07 v1
摘要
我们提出了一种用于无约束环境下模板匹配的新方法。其核心是 Best-Buddies 相似度 (BBS)，这是一种用于衡量两个点集之间相似度的有用、鲁棒且无参数的度量方法。BBS 基于统计 Best-Buddies 对 (BBPs) 的数量——即源点集和目标点集中互为最近邻的点对。BBS 具有几个关键特性，使其对复杂的几何变形和大量离群点（如背景杂乱和遮挡引起的离群点）具有鲁棒性。我们研究了这些特性，提供了证明其合理性的统计分析，并在一个具有挑战性的真实世界数据集上，使用不同类型的特征证明了 BBS 的一致成功。
关键词
引用
@article{arxiv.1609.01571,
title = {Best-Buddies Similarity - Robust Template Matching using Mutual Nearest Neighbors},
author = {Shaul Oron and Tali Dekel and Tianfan Xue and William T. Freeman and Shai Avidan},
journal= {arXiv preprint arXiv:1609.01571},
year = {2016}
}