R2FD2: Fast and Robust Matching of Multimodal Remote Sensing Image via Repeatable Feature Detector and Rotation-invariant Feature Descriptor

要約

マルチモーダル画像間の特徴的な対応関係を自動的に識別することは、放射線と幾何学的な差異が大きいため、非常に大きな問題に直面している。これらの問題に対処するため、我々は放射線と回転の違いに頑健な新しい特徴マッチング法（R2FD2と名付ける）を提案する。R2FD2は、繰り返し可能な特徴検出器と回転不変な特徴記述子からなる2つの重要な貢献によって実施される。第一段階では、特徴検出のためにMulti-channel Auto-correlation of the Log-Gabor (MALG)と呼ばれる反復性特徴検出器を提示し、マルチチャンネル自己相関戦略とログガボール波形とを組み合わせて、高い反復性と均一な分布で特徴点（IPs）を検出する。第2段階では，回転不変な特徴記述子（Rotation-invariant Maximum index map of the Log-Gabor：RMLG）を構築する．RMLGは，支配的方向の高速な割り当てと特徴表現の構築の2つの要素から構成される．RMLGでは、回転変形に対応するため、回転不変最大インデックスマップ(RMIM)を構築し、その中に特徴量表現を組み込むことで、高速にドミナント配向を決定する。提案するRMLGは、回転不変なRMIMとDAISYの空間配置を組み合わせて、より識別性の高い特徴表現を描き、RMLGの放射線や回転変動に対する耐性を向上させる。実験の結果、提案するR2FD2は、5つの最先端特徴マッチング手法よりも優れており、適応性と普遍性において優れた優位性を持つことが示された。さらに、我々のR2FD2は2画素以内のマッチング精度を達成し、他の最先端手法と比較してマッチング効率に大きな優位性を持っている。

要約(オリジナル)

Automatically identifying feature correspondences between multimodal images is facing enormous challenges because of the significant differences both in radiation and geometry. To address these problems, we propose a novel feature matching method (named R2FD2) that is robust to radiation and rotation differences. Our R2FD2 is conducted in two critical contributions, consisting of a repeatable feature detector and a rotation-invariant feature descriptor. In the first stage, a repeatable feature detector called the Multi-channel Auto-correlation of the Log-Gabor (MALG) is presented for feature detection, which combines the multi-channel auto-correlation strategy with the Log-Gabor wavelets to detect interest points (IPs) with high repeatability and uniform distribution. In the second stage, a rotation-invariant feature descriptor is constructed, named the Rotation-invariant Maximum index map of the Log-Gabor (RMLG), which consists of two components: fast assignment of dominant orientation and construction of feature representation. In the process of fast assignment of dominant orientation, a Rotation-invariant Maximum Index Map (RMIM) is built to address rotation deformations. Then, the proposed RMLG incorporates the rotation-invariant RMIM with the spatial configuration of DAISY to depict a more discriminative feature representation, which improves RMLG’s resistance to radiation and rotation variances.Experimental results show that the proposed R2FD2 outperforms five state-of-the-art feature matching methods, and has superior advantages in adaptability and universality. Moreover, our R2FD2 achieves the accuracy of matching within two pixels and has a great advantage in matching efficiency over other state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL