余道丽,赵海峰,李其超,罗 斌(1.计算智能与信号处理教育部重点实验室，安徽 合肥230039;2.安徽省工业图像处理与分析重点实验室，安徽 合肥230039)

图像的局部特征具有在多种图像变换下的不变性、无需预先对图像分割和独特性等特点,被广泛应用于物体识别、图像匹配及图像检索等领域。在基于局部特征的匹配方法中，特征描述子的构建是非常重要的环节，一个完备而紧凑的描述子不仅可以较真实地表达特征点所包含的独特信息，而且能降低特征匹配的计算复杂度。

近年来,许多特征描述算法被提出。LOWE D G[1]提出了著名的SIFT描述子,它对图像的各种变换具有较好的鲁棒性,是目前应用最广泛的特征描述算法。KE Y等[2]在SIFT算法的基础上利用主成分分析(PCA)将 SIFT描述子的维数由128降到了20，大幅度提高了匹配速度，但其描述子的独特性不及SIFT算子。OJALA T[3]等人提出的LBP(Local Binary Pattern)算子能够有效地描述纹理特征,它通过计算中心点及周围邻域采样点的灰度差的正负构成一个二进制描述串。与LBP思想类似，Huang Chunrong[4]等提出了对比上下文直方图CCH(Contrast Context Histogram)描述子，利用邻域区域的像素强度之间的线性关系进行特征描述，在对数-极坐标中计算周围每个分块中像素点与中心点之间的灰度差。LBP和CCH算法采用特征点邻域的灰度差异直方图建立特征描述子，降低了算法的复杂度，使得匹配速度有所提高，但是对存在旋转、尺度和视角等变换的图像，鲁棒性有较大的降低。BELONGIE S[5]提出了形状上下文（Shape Context）描述子用于刻画目标的形状，该描述子对于局部区域形变具有不变性，但是在一定程度上对噪声比较敏感。……