LOCAL IMAGE DESCRIPTORS USING LINEAR DISCRIMINANT EMBEDDING

• Main Authors: HUA, GANG, BROWN, MATTHEW, ALUN, WINDER, SIMON, A., J
• Format: Patent
• Language: English; French
• Published: 16.04.2009
• Subjects: CALCULATING; COMPUTING; COUNTING; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; PHYSICS

To render the comparison of image patches more efficient, the data of an image patch can be projected into a smaller-dimensioned subspace, resulting in a descriptor of the image patch. The projection into the descriptor subspace is known as a linear discriminant embedding, and can be performed with reference to a linear discriminant embedding matrix. The linear discriminant embedding matrix can be constructed from projection vectors that maximize those elements that are shared by matching image patches or that are used to distinguish non-matching image patches, while also minimizing those elements that are common to non-matching image patches or that distinguish matching image patches. The determination of such projection vectors can be limited such that only orthogonal vectors comprise the linear discriminant embedding matrix. The determination of the linear discriminant embedding matrix can likewise be constrained to avoid overfitting to training data. Pour rendre la comparaison de parcelles d'image plus efficace, les données d'une parcelle d'image peuvent être projetées sur un sous-espace de dimension plus petite, conduisant à un descripteur de la parcelle d'image. La projection dans le sous-espace de descripteur est connue comme étant une incorporation de discriminant linéaire et peut être effectuée avec référence à une matrice d'incorporation de discriminant linéaire. La matrice d'incorporation de discriminant linéaire peut être construite à partir de vecteurs de projection qui augmentent les éléments partagés par des parcelles d'image correspondantes ou utilisés pour distinguer des parcelles d'image non correspondantes à leur maximum, tout en rendant diminuant les éléments communs à des parcelles d'image non correspondantes ou distinguant des parcelles d'image correspondantes à leur minimum. La détermination de tels vecteurs de projection peut être limitée, de telle sorte que seuls des vecteurs orthogonaux comprennent la matrice d'incorporation de discriminant linéaire. De la même manière, la détermination de la matrice d'incorporation de discriminant linéaire peut être contrainte afin d'éviter un surapprentissage des données d'apprentissage.