论文研究-改进卷积自编码器的局部特征描述算法.pdf下载

针对非监督学习方法提取的底层特征用于特征描述时可区分性不强，对图像旋转、尺度等变换敏感的问题，提出了一种改进卷积自编码器的局部特征描述算法（Convolutional Auto-Encoder Descriptor，CAE-D）。CAE-D算法利用信息熵评价卷积核性能，提出在CAE中添加卷积核信息熵约束规则，通过均值化卷积核携带的局部特征信息，提升卷积特征描述的可区分性；在特征描述前使用传统SIFT中主方向分配算法确定局部图像的主方向，并引入降采样操作，进一步提升特征描述的旋转不变性及鲁棒性。图像匹配实验结果验证了改进策略的有效性，CAE-D算法优于当前先进的KAZE、SIFT，而运行时间相比SIFT缩短了47.14%。