基于旋转平移群上密度的模板匹配
计算机视觉与模式识别
2017-03-10 v5 群论
摘要
我们提出一种模板匹配方法，用于检测以方向模式为特征的2D图像对象。我们的方法基于通过方向分数（orientation scores）的数据表示，方向分数是位置和方向空间上的函数，并通过小波类变换获得。这种新表示允许我们以直观直接的方式检测方向模式，即经由互相关。此外，我们提出一个广义线性回归框架，利用平滑样条构建合适的模板。此处，识别位置-方向域上的弯曲几何至关重要，我们将其等同于李群SE(2)：旋转平移群。模板随后在B样条基上优化，平滑性相对于该弯曲几何定义。我们在三个不同应用上取得了最先进的结果：视网膜中视神经头的检测（1737张图像上成功率99.83%）、视网膜中中央凹的检测（1616张图像上99.32%），以及常规相机图像中瞳孔的检测（1521张图像上95.86%）。高性能源于在模板匹配中同时引入了强度与方向特征以及有效的几何先验。此外，我们的方法由于基于互相关的匹配方式而快速。
引用
@article{arxiv.1603.03304,
title = {Template Matching via Densities on the Roto-Translation Group},
author = {Erik J. Bekkers and Marco Loog and Bart M. ter Haar Romeny and Remco Duits},
journal= {arXiv preprint arXiv:1603.03304},
year = {2017}
}
备注
28 pages, 11 figures, 5 appendices. Paper accepted at ieee transaction on Pattern Analysis and Machine Inteligence (ieee tPAMI)