摘要：
本文提出了一种新的特征检测方法，该方法利用光照不变空间，实现了变光照条件下的鲁棒性。利用暗通道先验知识，该方法建立了三个指标来描述RGB颜色空间中的光照不变分量，消除了光敏部分。将保留的分量转化为光照不变空间，使传统的特征检测方法具有更好的鲁棒性。与现有的变换方法相比，该方法从RGB空间到光照不变空间的投影更加清晰，提高了特征检测方法的识别能力。暗通道先验知识不仅有助于构建更加可识别的指标，而且有助于检测目标的边缘特征。
Ⅰ.Introduction：
鲁棒的光照不变特征检测方法一直是计算机视觉领域的研究热点，如slam及图像检索方向。但是，现有的方法，如SIFT[5]和ORB[6]，由于特征检测器和描述符都是基于感兴趣点周围像素的光敏灰度，所以光照不变性有限。本文利用光照不变的颜色空间[7][8][9]，提出了一种在变光照条件下提高SIFT性能的方法。对于图像上的每个像素点，光照不变成分由来自传感器的光谱特性和RGB通道强度的三个独立的指标来估计。这些成分被投影到一个新的空间，以生成一个新的图像，其中每个像素只包含光照不变的信息。随后将SIFT方法应用到新图像中来获得较好的光照不变性。
我们证明了暗通道在很大程度上是不受光照影响的，因此它可以作为一种指标。此外，我们使用暗通道图作为光照不变图来执行SIFT方法以便更好地检测物体的边缘特征。将两种增强的特征点检测方法结合起来，得到了较好的检测结果。
为了评估检测到的特征的质量，我们将该方法应用于实际图像检索任务中，即在不同光照条件下对一组室内地标照片中的目标图像进行检索。此外，还对检测到的特征点进行了定性和定量比较，完成了对该方法的评价。
这项工作的主要贡献：
1.. 与目前仅用单一指标来描述感兴趣点光照不变性的方法相比，本文提出的工作利用了多个分量，使得变换后的点更容易区分。
2..讨论了暗通道的光照不变性，并利用暗通道的光照不变性对兴趣点的内在成分进行有效测量。
下一节将讨论相关的方法。第三节给出了从原始图像到光照不变图的转换。第四部分将该方法应用于图像检索任务。第五节给出了实验结果。第六部分给出了该方法的结论。
Ⅱ.RELATED WORKS
最先进的特征检测方法，如SIFT[5]、SURF[10]、ORB[6]和BRISK[11]的光照不变性有限，主要是利用兴趣点附近区域的梯度提取特征。为了提高变光照条件下性能的鲁棒性，许多基于机器学习的方法被提出。在[12]中提出了一种基于随机森林的方法，该方法利用二进制模式运行长度矩阵来表示纹理特征。Guo等人也利用了决策树，但是他们使用傅里叶变换对数据进行预处理，以滤除光不敏感成分。Ramaiah等人利用卷积神经网络处理了大量的数据从而达到较高的精度，这些方法具有较高的精度和鲁棒性，但计算量较大，需要大量的训练集。
一些方法利用场景的结构来解决问题。Son等人提出了一种基于消失点和感兴趣区域的方法来减少计算复杂度。Simo-Serra等人提出了一种基于热融合图的方法，将图像嵌入到一定的形状中，位置信息有助于抵抗光照的变化。Kim等人[17]利用马氏距离互相关计算两幅图像的相似性，从而改进光照不变量。然而，这些方法的应用仅限于特定领域。
Hu等人[18]提出了一种基于激光雷达的方法，将其他数据与之结合，弥补由光照引起的亮度降低。Maddern et.al[19]给出了一种利用先验的方法，利用三维结构推断出道路场景光照不变区域。这些方法在具有挑战性的光照条件下获得了高性能，但所需的设备非常昂贵。Ratnasingam和Collins[7]为解决这一问题提供了一条新的途径，即建立光照模型，计算每个像素的光照不变部分。Maddern等人的[8]跟随[7]给出了像素的一维指示器，这使得将这种方法应用于RGB相机成为可能。我们的工作利用更多可区分的特征点提高了【8】，拥有多个指标及使用了暗通道地图。
三.可区分的光照不变量转换
在本节中，我们遵循[7]和[8]，通过检测每个像素的几个固有的光不敏感属性，将原始图像转换为光照不变的图像。与[8]和[20]相比，所提出的方法利用多个指标检测图像的内在成分，所获得的新图像可区分性更强。Ratnasingam和柯林斯[7]提供了一个模型来表示一般的成像过程:光源发出的一束光落在物体表面，以一定的反射率反射，然后被相机感知。成像模型对应方程为:
其中x是场景中的任意点。R1,2是相机传感器的响应。