HarrisZ$^+$:面向下一代图像匹配流程的Harris角点选择
计算机视觉与模式识别
2022-05-03 v6
摘要
由于在许多计算机视觉任务中的作用，图像匹配一直受到研究人员的积极研究，这导致了更好且更具判别力的特征描述子以及更鲁棒的匹配策略，同时也得益于深度学习的出现和现代硬件计算能力的提升。尽管取得了这些成就，作为图像匹配流程基础的关键点提取过程并未取得同等的进展。本文提出HarrisZ，一种对HarrisZ角点检测器的升级，经过优化以协同利用图像匹配流程其他步骤近期的改进。HarrisZ不仅包含设置参数的调优，还引入了针对HarrisZ所描绘选择标准的进一步改进，从而提供更多但具判别力的关键点，这些关键点在图像上分布更优且定位精度更高。包含HarrisZ及其他现代组件的图像匹配流程，在近期多个匹配基准中取得了经典图像匹配流程中的最优结果。这些结果相当接近更近期全深度端到端可训练方法所得结果，并表明经典图像匹配方法的研究仍具有适当的改进空间。
引用
@article{arxiv.2109.12925,
title = {HarrisZ$^+$: Harris Corner Selection for Next-Gen Image Matching Pipelines},
author = {Fabio Bellavia and Dmytro Mishkin},
journal= {arXiv preprint arXiv:2109.12925},
year = {2022}
}