%0 Journal Article
%T 2DPCA-SIFT：一种有效的局部特征描述方法
%A 颜雪军
%A 赵春霞
%A 袁夏
%J 自动化学报
%P 675-682
%D 2014
%R 10.3724/SP.J.1004.2014.00675
%X ？PCA-SIFT（Principalcomponentanalysis—scaleinvariantfeaturetransform）方法通过对归一化梯度向量进行PCA降维，在保留特征不变性的同时，有效地降低了特征矢量的维数，从而提高了局部特征的匹配速度.但PCA-SIFT中对本征向量空间的求解非常耗时，极大地限制了PCA-SIFT的灵活性与应用范围.本文提出采用2DPCA对梯度向量块进行降维的特征描述方法.该方法相比于PCA-SIFT，可以快速地求解本征空间.实验结果表明：2DPCA-SIFT在多种图像变换匹配和图像检索实验中可以实现与PCA-SIFT相当的性能，并且从计算效率上看，2DPCA-SIFT具有更好的扩展性.
%K 2DPCA降维
%K 局部特征描述
%K 图像匹配
%K 图像检索
%U http://www.aas.net.cn/CN/abstract/abstract18333.shtml