2013_Signal-Processing-Image-Communication泛读

一些关于mobile visual search的文章，网上下载不到原文。
阅读时间：2015-04-16

Rotation-invariant fast features for large-scale recognition and real-time tracking

这是一篇典型的特征点文章，作者Gabriel Takacs在文章中用了自己在CVPR10的RIFF描述子：Unified Real-Time Tracking and Recognition with Rotation-Invariant Fast Features。
关键点提取：

1. 尺度空间局部极值点采用CenSurE算法（OpenCV中StarFeatureDetector），利用积分图像计算双层高斯拉普拉斯滤波器响应；
   
2. 用Harris矩阵filter边缘响应；

关键点描述：

1. 梯度方向直方图（HoG），增加了方向不变性（无需计算主方向）：

   • 区别于方形网格cell，文章采用环形cell；
   • 将g=(dx,dy)进行径向基投影后（投影后的值不因图像旋转而变化），再计算直方图；
   • 径向基投影可以直接用方向梯度算子计算，这步用来加速。
     

2. 计算梯度强度和方向时可以用lookup-table；

3. 采用Compressed HoG的方式，压缩直方图数据———-CHoG仅发布了binary file（已测试ubuntu下能运行），作者说source code有rightcopy；

Laplacian embedding and key points topology verification for large scale mobile visual identification

二作Li Zhu前后在USA华为和USA三星工作过，文章关注最小化mobile请求传输bit率和最大化识别精度，提出了特征描述维度压缩和图像匹配方案。
特征维度压缩，作者也发在ICASSP2012：

1. 相对PCA-SIFT，PCA是最小化数据误差的降维方法，文中提到应该最大化保留关键点间最近邻关系；
2. 计算图像中所有特征点间的距离权重
   
3. XL