霍占强，刘玉洁，付苗苗，乔应旭

（河南理工大学计算机科学与技术学院，河南焦作 454000）

0 概述

基于特征的图像匹配一直是计算机视觉领域的研究热点，被广泛应用于各种视觉应用，如对象和场景识别［1-2］、目标跟踪［3］、3D 重建［4-5］、图像配准［6-7］和图像拼接［8-9］等。特征描述是图像特征匹配中的重要步骤，描述子的性能直接影响后续的视觉应用效果，因此，需要设计高效且鲁棒性强的图像特征描述方法。

在各种图像特征中，特征点描述子得到广泛研究。早期的特征点描述主要基于手工设计方法，具有代表性的特征点描述子包括浮点型描述子和二值型描述子。浮点型描述子包含SIFT（Scale-Invariant Feature Transform）［10］、DSP-SIFT（Domain-Size Pooling-Scale-Invariant Feature Transform）［11］、SURF（Speeded Up Robust Features）［12］和DAISY［13］等，二值型描述子包含BRIEF（Binary Robust Independent Elementary Feature）［14］、BRISK（Binary Robust Invariant Scalable Keypoints）［15］和FREAK（the Fast Retina Keypoint）［16］等。除了手工设计方法外，研究人员还提出基于学习的局部特征描述方法，如线性判别嵌入学习方法［17］和模块化组合优化学习方法［18］。近年来，随着深度学习技术的迅速发展，基于深度学习的局部特征描述方法相继被提出。文献［19］使用卷积神经网络（Convolutional Neural Network，CNN）学习块描述子，利用ImageNet［20］训练卷积网络，在最后一层网络中得到的特征优于SIFT。文献［21］采用共享参数的“双塔”型网络提取特征，然后将串联特征作为度量网络的输入，其取得了较好的效果。文献［22］提出一种基于困难样本挖掘的训练策略，在相对浅的网络结构下取得了较好效果。文献［23］提出L2Net，其能有效利用网络中间卷积层的判别信息，大幅提高匹配性能。基于L2Net的网络结构，文献［24］提出HardNet，其使用三元组损失函数，通过最大化每批次中最接近的正样本与负样本之间的距离来获得更紧凑的描述子，HardNet的描述性能较L2Net 进一步提升。……