SIFT与核局部不变映射结合的特征描述算法

为更好地实现图像跟踪，寻找更具鲁棒性和计算简便的特征描述子，提出了一种基于核局部不变映射的尺度不变特征转换(scale invariant feature transform, SIFT)特征描述算法。该算法在继承SIFT算法良好性质的基础上，依据不同空间尺度下能量特征差异性，对尺度内的子图像层数进行细化，以提高稳定特征点的数量。此外，借助核方法的映射特性，解决了局部不变映射法丢失非线性高维特征的问题，形成一种基于核局部不变映射的非线性降维法，进而对特征描述子进行特征重划。实验结果表明，在图像尺度缩放、旋转、模糊、亮度变化等多种场景下，相较现有的主成分分析 SIFT算法，该描述子不但取得更多的稳定特征点，而且计算速度也得到大幅提升。

Novel feature describing algorithm based on combination of SIFT andkernel locality preserving projection