FFD：快速特征检测器
计算机视觉与模式识别
2021-02-03 v1
摘要
尺度不变性、良好定位性以及对噪声与畸变的鲁棒性，是局部特征检测器应具备的主要性质。现有多数局部特征检测器会找出过多不稳定的特征点，增加了待匹配关键点数量及匹配步骤的计算时间。本文表明，鲁棒且准确的关键点存在于特定尺度空间域中。为此，我们先将叠加问题建模为数学模型，再推导出多尺度分析的闭式解。该模型通过连续尺度空间域中的高斯差分（DoG）核建立，并证明将尺度空间金字塔的模糊比与平滑度分别设为 2 与 0.627，有助于检测可靠关键点。为使所提模型适用于离散图像，我们使用非抽取小波变换与三次样条函数对其离散化。理论上，本方法复杂度低于流行的基线尺度不变特征变换（SIFT）的 5%。大量实验结果表明，所提特征检测器在精度与计算时间上均优于现有代表性的手工设计与基于学习的技术。代码与补充材料见~{\url{https://github.com/mogvision/FFD}}。
引用
@article{arxiv.2012.00859,
title = {FFD: Fast Feature Detector},
author = {Morteza Ghahremani and Yonghuai Liu and Bernard Tiddeman},
journal= {arXiv preprint arXiv:2012.00859},
year = {2021}
}