用于跨模态对应匹配与深度场景识别的局部面积变换
计算机视觉与模式识别
2019-01-07 v1
摘要
建立对应关系是多种图像处理与计算机视觉应用中的基础任务。特别地，寻找由不同模态条件引起的非线性形变图像对之间的对应是一项挑战性问题。本文描述了一种高效而强大的图像变换，称为局部面积变换（LAT），用于模态鲁棒的对应估计。具体而言，LAT 将图像从强度域变换到局部面积域，该域在非线性强度形变（尤其是辐射、光度与光谱形变）下保持不变。此外，针对若干实际应用，利用 LAT 重新构建了鲁棒特征描述子。进而，提出了 LAT-卷积层与 Aception 模块，并借助这些新颖组件提出了称为 LAT-Net 的深度神经网络，专用于场景识别任务。实验结果表明，LAT 变换后的图像对非线性形变图像提供了一致性，即使在随机强度形变下亦如此。与常规方法相比，LAT 降低了平均绝对差。此外，利用 LAT 对描述子的重构展现出优于常规方法的性能，这是跨光谱与跨模态对应匹配任务的一个有前景的结果。局部面积可被视为强度域之外的另一种域，以实现鲁棒对应匹配、图像识别及大量应用：如特征匹配、立体匹配、稠密对应匹配、图像识别与图像检索。
引用
@article{arxiv.1901.00927,
title = {Local Area Transform for Cross-Modality Correspondence Matching and Deep Scene Recognition},
author = {Seungchul Ryu},
journal= {arXiv preprint arXiv:1901.00927},
year = {2019}
}
备注
Doctoral Dissertation