この部分は、コンピュータビジョンの一部である、などの基本的な特徴抽出、ビデオ分析、追跡、目標検出と認識側面に主に焦点を当てました。例えば、カメラキャリブレーションエリアに特に精通していないステレオvision'reため、唯一の引用文献のグーグル比較的多数に記載されています。いくつかの最近発表された論文にも記載されて個人的に、同様に、あります。
33. SIFT
SIFTには、本当に、あまりにも多くの万回の参照を全く導入を必要としない問題を説明しています。SURFとPCA-SIFTもこのシリーズに属します。関連SIFTとのリストはいくつかの問題の背後にあります。
[1999 ICCV]物体認識ローカルスケール不変機能から
[2000 IJCV]インタレストポイント検出器の評価
[2006 CVIU]スピードアップ堅牢な機能(SURF)
[2004 CVPR]ローカル画像記述子のためのPCA-SIFT Aより個性的な表現
[2004 IJCV] Scale-から独特の画像特徴不変キーポイント
[2009 GRSL]リモートセンシング画像登録のための堅牢なスケール不変特徴マッチング
大規模画像検索のための機能バッグ・オブ・改善[2010 IJCV]
シーンとその応用にわたる[2011 PAMI] SIFTflow高密度対応
[2012 ECCV] KAZEの特長
[2012 ICCV] ORB_An SIFTまたはSURFへの効率的な代替
[2014 CVPR]チルダ:A時間的に不変検出器学習します
[2014するTGR] SIFTと相互情報に基づく自動画像レジストレーションのための新規な粗密方式は
[2015 GRSL】画像レジストレーションのための高速試料コンセンサスに基づく新規なポイントマッチングアルゴリズム
[2015 GRSL】リモートセンシング画像のサブピクセルの登録のための効率的なSIFTベースモード探索アルゴリズム
[2015するTGR] SAR-SIFT:A SIFT-LIKEアルゴリズムのSAR画像
不変の特徴変換を学んだ[2016 ECCV] LIFT
スケール変動均質性に基づく[2016 JVCIR]アンの改善RANSAC
[2017 GRSL] SIFT修正および拡張機能の一致するリモートセンシング画像登録
[2017 CVPR] GMS:高速、超強力な機能の対応のためのグリッドベースのモーション統計
[2018 TIP]高速適応バイラテラルフィルタリング
翻訳
新しいアルゴリズムに基づく画像レジストレーションの迅速なサンプルの一貫性
著者:越呉、Wenping馬、Maoguoゴング
抽象 -