SCK：一种基于稀疏编码的关键点检测器
计算机视觉与模式识别
2018-12-11 v5
摘要
当前所有流行的手工设计关键点检测器，如 Harris 角点、MSER、SIFT、SURF……，都依赖某些特定的预设计结构来检测图像中的角点、斑点或交叉点。本文提出一种无需特定预设计结构的基于稀疏编码的关键点检测器。该关键点检测器基于测量图像中每个块的复杂度水平来决定关键点应位于何处。一个块的复杂度水平定义为其稀疏表示中非零分量总数。一般而言，由更多分量构成的块更复杂，也更有可能成为好的关键点。在 Webcam 与 EF 数据集 [1, 2] 上的实验结果表明，相较于手工特征，所提检测器实现了显著高的可重复性，甚至优于最先进（SOTA）的基于学习的检测器的匹配分数。
引用
@article{arxiv.1802.02647,
title = {SCK: A sparse coding based key-point detector},
author = {Thanh Hong-Phuoc and Yifeng He and Ling Guan},
journal= {arXiv preprint arXiv:1802.02647},
year = {2018}
}
备注
Manuscript accepted for presentation at 2018 IEEE International Conference on Image Processing, October 7-10, 2018, Athens, Greece. Patent applied. If you use any techniques, claims, images in this manuscript, please cite the corresponding paper