Local feature descriptor based on mean normalized contrast
Xuejun Yan, Chunxia Zhao, Xia Yuan, Dan Xu, Fan Liu · Journal of Image and Graphics · 2014
针对SIFT（scale invariant feature transform）特征描述方法存在特征维数高，计算效率低等问题，提出一种快速的，低维数的局部特征描述方法，即MN-CCH（mean normalized contrast context histogram）。 首先对局部特征区域内的像素进行均值规范化处理，得到局部特征区域的规范化对比度值。然后，在极坐标下以主方向为基准，将局部特征区域划分成32个子区域，统计每个子区域的正负对比度直方图。最后，对统计结果进行归一化消除线性光照的影响，得到64维的MN-CCH描述向量。 在图像变换数据集和小型图像检索数据库上的实验结果表明，64维的MN-CCH描述子可以达到与128维SIFT相当的匹配性能和相同的检索准确率，在描述子生成和匹配效率上明显优于SIFT方法，而且与同维数的CCH相比性能有明显的提高。 MN-CCH描述子在保留与SIFT相当性能的前提下，具有特征维数和计算效率的优势，更适合在一些对计算和存储资源要求较高的应用（如机器人导航、视觉SLAM等）中使用。