尺度空間
- 基于改進的SIFT算法的工件輪廓配準方法
圖上計算高斯尺度空間，不構建圖像金字塔，計算出高斯差分圖像，然后在高斯差分圖像上求解極值點作為圖像的特征點，對于提取的特征點不會再使用SIFT算法的特征描述算子，而是采用直接與模板圖像中特征點進行嘗試匹配，計算圖像重合度的方法來選出最匹配點。最后通過實驗仿真證明，該算法能夠在保證較高實時性的同時準確完成了工件輪廓與模板輪廓的配準。1 SIFT特征提取原理1.1 定義圖像的尺度空間為了實現(xiàn)在不同的尺度空間使用不同尺度的窗口，對于小的特征點使用小的窗口，對于大
機械工程師 2022年10期2022-11-17
- 基于SIFT數(shù)學算法的皮革斷面圖像處理與配準研究
法完成后續(xù)的尺度空間極值檢測、關鍵點定位、方向分配等處理過程，并經(jīng)對照實驗分析與驗證改進后數(shù)學算法的配準效果。1 基于SIFT算法皮革斷面圖像配準1.1 SIFT數(shù)學算法概述SIFT數(shù)學算法是一種計算機圖像處理中局部特征的描述與提取算法，該算法的本質是在不同的尺度空間上查找關鍵點，并計算出關鍵點的方向。將SIFT數(shù)學算法應用到皮革斷面圖像的處理和配準上，可獲得穩(wěn)定的配準效果[1]。1.2 基于SIFT算法皮革斷面圖像配準過程首先，使用環(huán)氧樹脂材料充分浸潤皮
西部皮革 2022年20期2022-11-04
- 廣義多尺度集值決策系統(tǒng)最優(yōu)尺度選擇
取值，且不同尺度空間存在從細到粗的信息粒轉換.多尺度廣泛存在于地理空間分布、圖像分析等多個研究領域[2-9].目前，學者已經(jīng)對多尺度信息系統(tǒng)進行了大量研究.Wu等人[1,10-11]介紹了多尺度決策系統(tǒng)的最優(yōu)尺度選擇方法及規(guī)則獲取.從一致性角度考慮，Xu等人[12]及Wu等人[13-15]研究了多尺度決策系統(tǒng)的最優(yōu)尺度選擇方法.Hao等人[16]考慮到數(shù)據(jù)的動態(tài)變化，利用三支決策的方法研究了動態(tài)多尺度決策系統(tǒng)的最優(yōu)尺度選擇方法.鐵文彥等人[17]討論了對象
計算機研究與發(fā)展 2022年9期2022-09-06
- 傾斜影像匹配研究及應用
過建立非線性尺度空間提高了圖像匹配的準確度，但是運行效率較低。AKAZE算法（加速KAZE 算法）［6］加入了 FED 算法（Fast Explicit dif?fusion），提高了運行效率，較好地保留了圖像的輪廓信息，但是對于結果的準確度而言，AKAZE算法弱于SIFT算法［7］。在上述匹配算法的基礎上，許多學者提出了改進算法。完文韜等人［8］基于傳統(tǒng)SIFT算法，將SIFT算子結構化由局部轉變?yōu)槿?，用準歐氏距離代替歐氏距離，實現(xiàn)了異源影像的高精度配
長春理工大學學報（自然科學版） 2022年2期2022-08-26
- 局部特征信息的航拍圖像匹配算法
有4個步驟:尺度空間構建、特征檢測、特征編碼和內點篩選。何敬等人[6]提出基于尺度不變算法(scale-invariant feature transform, SIFT)[7]完成航拍圖像匹配,SIFT算法在高斯尺度空間上提取特征點和構建描述符,具有較好尺度不變性、旋轉不變性和抗光照不變性,但是耗時較長。王曉紅等人[8]借助加速魯棒性算法(speeded up robust features, SURF)[9]完成圖像匹配,SURF算法描述符維度僅為64
北京測繪 2022年3期2022-04-02
- 基于“景觀共情”概念的城市更新與空間改造
3.1 個人尺度空間從景觀關系者層面來看，在實現(xiàn)城市更新過程中，個人尺度空間改造完全受制于個人特征、經(jīng)驗與背景，通過融入、想象或直接體驗等途徑將服務于人的項目對使用者生活的影響進行思考，從而深刻體驗其帶來的重要記憶、經(jīng)驗、需求、生活習慣及人體尺度等。要了解景觀關系者對現(xiàn)狀場地產(chǎn)生的直接認知與感受，應重點把握個人尺度的空間表征因素，主要是材料色彩、質地、明暗、觸摸質感、溫度等，通過問卷調查方式了解使用者對這些表征的偏好、認知與感受。3.2 居住尺度空間實踐經(jīng)
城市建筑空間 2022年11期2022-03-14
- 結合Harris和改進SIFT算法的遙感圖像配準方法?
系出發(fā)，去除尺度空間中第一層特征點得到的初始匹配特征，使用多個局部鄰域來提取描述子以增強其區(qū)別度.Dellinger提出的SAR-SIFT算法[16]，是針對SAR圖像提出新的梯度計算方法改進SIFT算法.冷成財?shù)忍岢龌诔叨取⒎较蚝途嚯x約束的改進SIFT配準方法（SODC-SIFT）[17].這些算法都是針對遙感圖像配準魯棒性不高，在尺度不變特征變換（SIFT）算法的基礎上提出的改進算法.但是這些算法對于存在較大灰度差異的異源遙感圖像來說配準仍然面臨巨大
新疆大學學報(自然科學版)（中英文） 2021年6期2021-11-30
- 基于非線性空間及空間約束的遙感圖像配準
但是使用高斯尺度空間，容易使邊緣和細節(jié)變得模糊，導致特征點定位精度差，特征描述子區(qū)別度低。李[8]將非線性擴散技術應用在多光譜圖像配準中，實驗也表明非線性擴散濾波能夠增加特征點檢測和配準精度，然而該算法用加性算子分裂(AOS)方案[9]求解非線性方程的解析解，AOS方案需要在每個時間步驟求解大型線性方程組，比較耗時。對此，本文提出了基于非線性尺度空間的改進SIFT遙感圖像配準算法，用非線性擴散方程和快速顯式擴散方法(FED)[10]構建空間，其優(yōu)勢在于保留
計算機仿真 2021年3期2021-11-17
- 電力巡線無人機航拍圖像匹配算法研究
大部分：一是尺度空間構建，二是局部特征提取，三是特征編碼。SIFT算法（Scale Invariant Feature Transform）[9]利用高斯濾波構建尺度空間，然后再高斯差分金字塔中檢測特征點，最后建立128維浮點型描述符；該算法具有較好的抗噪聲、視角變換等能力，但描述符維度較高嚴重影響算法效率。針對SIFT算法效率較低，提出了利用小波算法建立64維浮點型描述符的SURF算法[10]（Speeded Up Robust Feature），該算法
計算機工程與應用 2021年21期2021-11-12
- 采用各向異性尺度空間的遙感圖像配準*
高斯濾波構建尺度空間。因為高斯函數(shù)是各向同性，因此待配準圖像的邊緣和細節(jié)同噪聲一樣變得模糊，關鍵點很難實現(xiàn)亞像素級別的準確定位，所以特征描述子的區(qū)別度低。文獻[5]提出了KAZE算法，首次使用各向異性技術生成非線性尺度空間，檢測和描述性能優(yōu)于傳統(tǒng)的SIFT，但是使用Hessian算子需要計算每層尺度空間的二階梯度，對噪聲特別敏感。文獻[6]提出了加速KAZE(Accelerated-KAZE,AKAZE)算法，采用快速顯式擴散函數(shù)和二進制特征描述子，在保留
電訊技術 2021年9期2021-09-29
- 基于自適應VMD的高速列車軸箱軸承故障診斷
中提出了改進尺度空間引導的VMD方法，該方法利用改進尺度空間預先確定IMF的個數(shù)，預估中心頻率并利用帶寬的預估對各IMF的懲罰因子進行加權。該方法有效地提高了VMD的自適應性，但是對于懲罰因子的預估依舊是依靠經(jīng)驗得出。針對這一問題，在Huang提出的改進尺度空間引導VMD(Modified Scale-space guiding VMD, MSVMD的基礎上，本文提出了一種預估懲罰因子的MSVMD方法(preset Alpha MSVMD, AMSVMD)
振動與沖擊 2021年3期2021-02-07
- 體驗式景觀在鄉(xiāng)村小尺度空間設計中的應用
受。而鄉(xiāng)村小尺度空間則是鄉(xiāng)村空間中分散廣、面積小、數(shù)量多的一種空間形式。本文探討的小尺度空間是指(10m×10m)的空間。2 鄉(xiāng)村小尺度空間的現(xiàn)狀及問題目前我國鄉(xiāng)村空間設計與改造開始向文化挖掘、整體規(guī)劃、設計改造的模式靠攏，但設計改造中也暴露了一些問題：文化挖掘不夠,設計與規(guī)劃大著重于整體的、大尺度的空間，往往忽略了面積小、分布散的小尺度空間等。這就導致部分鄉(xiāng)村小尺度空間未被利用或利用不恰當不完善，很大程度上削弱了鄉(xiāng)村空間的整體性、連續(xù)性。例如：成都市龍泉
四川農業(yè)科技 2020年4期2020-12-16
- 面向大數(shù)據(jù)圖像處理的尺度空間挖掘算法及應用
。1 大數(shù)據(jù)尺度空間構造及特性以該空間為核心設計理論研究點，進行了各項移性特征挖掘算法的探討。通過實驗的開展所獲得的具體實驗結果如下：各項異性小波熱源空間為核心的挖掘算法，在進行應用過程中可以進行分級使用，即算法可以對當前的數(shù)據(jù)進行分級檢測[2]。所以，當前面向大數(shù)據(jù)圖像處理的尺度空間挖掘算法及應用尚處于初期發(fā)展階段，大數(shù)據(jù)非線性尺度空間具有強擴展性以及非常良好的兼容性和在未來使用過程中的應用適應性。大數(shù)據(jù)尺度空間在進行構造過程中所應用的函數(shù)以及算法實際上
電子元器件與信息技術 2020年9期2020-12-13
- 圖像特征匹配環(huán)境下SIFT算法的改進
匹配包括構建尺度空間、高斯差分、生成特征描述和特征向量匹配。1.1.1 構建尺度空間特征點檢測是在尺度空間中完成的，從較遠的地方采集建筑物的圖像，尺度空間越大，圖像越模糊，大尺度空間能還原建筑物表面的概貌，小的尺度空間能夠還原建筑物表面的細節(jié)特征[10]。為了更詳細的表示尺度空間，可以采用將圖像的卷積和高斯函數(shù)二者結合進行表示L(x,y,σ)=G(x,y,σ)I(x,y)，(1)式中：L(x,y,σ)——圖像的尺度空間；G(x,y,σ)——尺度空間大小可以
黑龍江科技大學學報 2020年4期2020-09-24
- 基于AKAZE的BOLD掩碼描述符的匹配算法的研究
首先需要構建尺度空間，以滿足匹配算法具有尺度不變性。尺度空間的構建方式主要有兩種：(1) 高斯核函數(shù)與灰度圖像卷積得到；(2) 利用非線性濾波函數(shù)構建。利用高斯核函數(shù)構建尺度空間的匹配算法有：SIFT算法[6]、SURF算法[7]、ORB算法[8]等。這類算法具有較好的魯棒性，匹配速度也比較快，但是高斯核函數(shù)卷積操作會致使圖像的邊緣信息丟失，嚴重影響特征點和描述符的穩(wěn)定性。利用非線性濾波函數(shù)構建的尺度空間算法主要有：KAZE算法[9]，AKZAE算法[10
計算機應用與軟件 2020年6期2020-06-16
- 改進的EWT方法在軸承故障診斷中的應用
—基于能量的尺度空間經(jīng)驗小波變換（EnergyScaleSpaceEmpiricalWavelet Transform，ESEWT）方法；該方法在EWT的基礎上，使用尺度空間法對Fourier譜進行自適應劃分，得到各頻帶分界點，并全根據(jù)各頻帶能量篩選頻帶分界點保留能量大于均值的頻帶，合并小于均值的相鄰頻帶，著重分析主頻帶。在得到了有效的頻帶分界點并設計出小波濾波器組后，對帶通濾波得到的各分量信號進行Hilbert變換，提取軸承的故障特征頻率。通過實驗驗證，
機械設計與制造 2020年5期2020-05-21
- 一種基于非線性尺度空間的ORB特征匹配算法研究
，由于該算法尺度空間的構建環(huán)節(jié)不夠成熟，當圖像尺度發(fā)生突變時，圖像特征匹配的精度會受影響。文獻[8-10]分別通過結合SIFT和SURF檢測算子使得改進后的ORB算法擁有尺度不變特性，但實時性和匹配精度難以兼得，可見對ORB的研究仍具有非常大的意義。本論文提出一種基于非線性尺度空間的ORB特征匹配改進算法，該算法借鑒A-KAZE[11](Accelerated-KAZE)算法思想對ORB進行改進，通過構建非線性尺度空間提取顯著特征點，使其對尺度變換的圖像具
貴州大學學報(自然科學版) 2020年1期2020-01-10
- 圖像相似度計算算法分析
其可通過構建尺度空間提取特征關鍵點，求解匹配度來彌補傳統(tǒng)算法在計算圖像相似度時的局限性。實驗結果表明，相比于傳統(tǒng)算法，SIFT算法能夠通過匹配更多的特征點，從而更好地計算圖像的相似度;對于一組相似圖片，通過SIFT算法能提取出308個特征點，圖片相似度可達63%。關鍵詞： 圖像識別; 圖像相似度; 灰度直方圖; 特征點匹配; 關鍵點; 尺度空間中圖分類號： TN911.73?34; TP391.4 ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ?
現(xiàn)代電子技術 2019年9期2019-09-02
- 改進KAZE算法的移動目標檢測*
在求解非線性尺度空間的迭代步長以及計算相鄰幀之間特征點的位移用于背景的消除,提高了特征提取速度以及匹配正確率。用于無人機航拍圖像中進行移動目標檢測時,同樣取得了良好的效果。1 KAZE算法KAZE算法是一種基于多尺度檢測和非線性尺度空間描述的算法[4,6,7]。1)計算非線性尺度空間。對尺度空間采用對數(shù)離散化,內嵌到一系列的金字塔O與子空間S中,并將它們的索引向量(o,s)映射到相應的尺度空間σ中式中σ0為基本尺度空間層數(shù),N為高斯濾波后的圖像,o∈[0,
傳感器與微系統(tǒng) 2019年8期2019-08-15
- RGB-D圖像三維特征點的保結構檢測方法
于擴散方程與尺度空間的聯(lián)系，將深度信息融入圖像的尺度空間中，給出RGB-D尺度空間的一種表示方法，并在RGB-D尺度空間中檢測三維特征點.1 相關工作1.1 圖像尺度空間的描述圖像尺度空間是圖像在多個尺度下的描述，尺度空間的構建主要包括：① 利用低通濾波器平滑圖像；② 對平滑后的圖像進行降采樣.Lindeberg證明了高斯核是生成尺度空間的唯一線性變換核[5].假設I0表示輸入圖像，則I0的尺度空間L(x,y,σ)表示為高斯函數(shù)G(x,y,σ)與I0(x,
中北大學學報(自然科學版) 2019年5期2019-07-23
- 基于峭度與互相關的IEWT軸承故障診斷方法研究
分密切相關。尺度空間表征(SSR)算法可以根據(jù)信號的頻譜自適應地實現(xiàn)信號的頻帶劃分。但是，在對軸承信號處理時SSR容易產(chǎn)生過度劃分，這就導致一個共振頻帶被分解成多個分量，從而無法有效地提取故障沖擊。因此，提出基于峭度準則與互相關分析的改進EWT算法：首先，根據(jù)尺度空間表征對信號的頻譜進行劃分；然后，計算每個分量的峭度值，對峭度值大于閾值的分量進行相關性分析，選取相關性高的分量進行合并；最后，對合并后的分量進行包絡分析，提取故障沖擊。通過使用仿真與實驗數(shù)據(jù)對
鐵道科學與工程學報 2019年7期2019-03-24
- 基于SIFT的車標識別算法
數(shù)建立的不同尺度空間上查找關鍵點[4]. 該算法對圖像屬性變化(包括旋轉、 平移、 大小、 亮度)具有不變性, 采用DoG(difference of Gaussian)算法對圖像局部特征進行提取完成相應任務[5]. SIFT算子采用的二維高斯模糊函數(shù)為(1)對相應的尺度空間經(jīng)過高斯模糊函數(shù)處理過的圖像進行定義：W(Px,y)=Px+1,y-Px,y.(2)由于SIFT算法中要選取抗噪能力較強的特征點, 因此對圖像特征點的選取分為特征向量確定和特征向量比對
吉林大學學報（理學版） 2018年3期2018-11-06
- 基于非線性尺度空間的增強現(xiàn)實場景識別算法
用建立非線性尺度空間提取特征點的方法可有效彌補此方面的不足[15,16]。1 基于非線性尺度空間的特征點提取1.1 非線性尺度空間的建立由于歐拉法在收斂時步長非常小，迭代次數(shù)多，計算成本高，所以在求解非線性擴散方程時若用傳統(tǒng)的正向歐拉法效率會很低。由此，本文在進行非線性擴散濾波時使用加性算子分裂算法(additive operator splitting，AOS)[17]，這樣對于任意步長都可以獲得穩(wěn)定的非線性尺度空間。通常利用非線性偏微分方程對非線性擴散
計算機工程與設計 2018年10期2018-10-24
- 多尺度殘差深度神經(jīng)網(wǎng)絡的衛(wèi)星圖像超分辨率算法
征，預測不同尺度空間的高頻殘差信息。然后通過殘差融合網(wǎng)絡將預測所得的不同尺度空間的殘差圖像在殘差空間進行加權，進行殘差信息之間的互補和融合，使得不同目標能夠在最合適的空間進行表達。本文中的多尺度殘差網(wǎng)絡以兩個不同尺度空間子網(wǎng)絡為例，分別為尺度空間1和尺度空間2，網(wǎng)絡結構圖如圖1所示。1.1 殘差學習Kim［10］證明了隨著網(wǎng)絡層數(shù)的增加，大量的超參數(shù)促進了網(wǎng)絡的非線性表達能力。然而，網(wǎng)絡層數(shù)的單一級聯(lián)帶了一個不可避免的問題：梯度消失/梯度爆炸導致在反向傳播
武漢工程大學學報 2018年4期2018-08-17
- 基于粒子群優(yōu)化的圖像自適應尺度空間劃分方法研究
同樣通過采樣尺度空間，而不是在采樣尺度上的描述子上執(zhí)行pooling.Yang等人提出了ASV-SIFT特征描述子[15]，通過不同尺度間的差異來測量特征尺度間的穩(wěn)定性.然而，這些基于多個采樣尺度空間的特征描述子提取方法在尺度空間的范圍以及分布上依靠經(jīng)驗，缺少了靈活性.例如，在Hassner提出的SLS特征描述子提取方法[13]中，他們主觀地在0.5到12的區(qū)間內線性等分為20個尺度；在Dong提出的DSP-SIFT特征描述子提取方法[14]中，他們主觀地
小型微型計算機系統(tǒng) 2018年6期2018-07-04
- KAZE算法在巡線機器人障礙物檢測中的應用
算法在非線性尺度空間中進行特征點提取，利用最近鄰匹配準則和RANSC算法對由M-SURF算法生成的特征向量進行檢測．實驗結果表明，基于KAZE算法的巡線機器人障礙物檢測效果較好，具有良好的的魯棒性．KAZE算法；巡線機器人；障礙物檢測；魯棒性輸電線路作為傳送電力的重要設備，其安全運行關系到電力系統(tǒng)的可靠性．常用的人工巡檢方式工作量大、效率低，存在漏檢和誤檢現(xiàn)象[1-2]．巡線機器人的出現(xiàn)使輸電線路的檢測有了新方法，要想高效高質量完成巡檢任務，需要深入研究設
湖南城市學院學報（自然科學版） 2017年3期2017-12-08
- 基于窄基線的SIFT特征匹配目標識別
驟：1)生成尺度空間；2)尺度空間中極值點的檢測；3)極值點的準確定位；4)關鍵點中方向參數(shù)的指定；5)生成關鍵點描述子。1)生成尺度空間：在計算機視覺領域中最先出現(xiàn)了尺度空間理論，該理論的出現(xiàn)是為了用計算機去模擬圖像數(shù)據(jù)的多尺度特征，Koendering和Lindeberg分別于1984年和1994年通過大量的研究證明發(fā)現(xiàn)高斯卷積核是實現(xiàn)尺度變換的唯一核函數(shù)。是可變的尺度核函數(shù)，則其可以表示為：David Lowe指出，采用一種高斯差分函數(shù)在圖像生成的矩
電子世界 2017年16期2017-09-03
- 居住區(qū)園林空間尺度研究
：城市空間 尺度空間 規(guī)劃設計本文從居住區(qū)域的規(guī)模、配套等方面，進行配套公共設施的規(guī)劃方面，全方位談及居住區(qū)域的園林空間營造的問題，以達到人們的高品質環(huán)境空間的追求目的。1、城市居住區(qū)園林空間的界定進行園林的居住區(qū)域空間的規(guī)劃設計，自古有之。例如明清時代的園林的設計，內部包含了山水以及動植物的要素，運用藝術手段和工程技術的結合，通過對地形的改造，以及營造出園林小品等方式，將自然環(huán)境進行優(yōu)美的布設，因此我們才能看到今天的樓臺亭閣、花草樹木。與自然空間對比，園
魅力中國 2016年42期2017-07-05
- 基于SIFT算法的圖像配準模型研究
，達到降低多尺度空間和減少特征點數(shù)量的目的，將當前檢測到的特征點與最近更新的目標模塊相匹配，從而更加魯棒性地應對圖像的配準問題?！娟P鍵字】 圖像 SIFT 尺度空間 適應值引言圖像特征點是圖像中具有鮮明特性并能把圖像中的目標物體識別出來的點[1][2]。特征點的信息含量較高，可以對處理提供足夠的約束，其數(shù)目相對于圖像像素點來說微不足道，這樣就可以提高計算速度，使實時處理成為可能。在特征點的提取和匹配方法中，David G. Lowe在2004年提出的一種基
中國新通信 2017年5期2017-04-13
- 一種改進的視頻序列SIFT特征檢測方法*
,有效減少了尺度空間下的極值檢測時間,提高了SIFT算法效率。SIFT算法; 全局運動矢量; 視頻圖像; 尺度空間Class Number TP391.411 引言SIFT(Scale Invariant Feature Transform)是一種計算機視覺算法,用來檢測并描述圖像中的局部特征。算法構建尺度空間,并在空間中尋找極值點,計算其位置、尺度、旋轉不變量[1～2]。SIFT特征與圖像的大小、旋轉無關,而是基于圖像局部的一些興趣點,在噪聲、視角及光線
計算機與數(shù)字工程 2017年3期2017-03-31
- 快速魯棒性非線性尺度不變的特征匹配算子
檢測子非線性尺度空間的快速求解去除了噪聲,同時保證了圖像邊緣細節(jié),并將自適應選取尺度空間組數(shù)、adaptive and generic corner detection based on the accelerated segment test(AGAST)與框狀拉普拉斯濾波器去除邊緣響應相結合,兼顧了檢測的準確性與實時性;描述子交疊帶的構建、規(guī)范微分響應與非線性尺度空間約束的引入增強了描繪準確性。通過與scale invariant feature tr
西北工業(yè)大學學報 2016年6期2017-01-03
- 基于曲率尺度空間的角點檢測圖像匹配算法分析
9)基于曲率尺度空間的角點檢測圖像匹配算法分析任立勝，王立中(內蒙古農業(yè)大學職業(yè)技術學院，內蒙古 包頭 014109)計算機技術的發(fā)展下，優(yōu)化提升圖像匹配算法，可以提升圖像檢測精度?；谇?span id="syggg00" class="hl">尺度空間的角點檢測圖技術，優(yōu)化設計圖像匹配算法，基于曲率尺度空間的角點檢測算法進行圖像特征點的提取，歸一化處理特征點，有助于提高圖像匹配精度。利用該算法最終實現(xiàn)圖像匹配需求，驗證了算法的有效性，改進了圖像匹配中特征點過度分離的弊端，提高了圖像匹配檢測的整體精度約10.0
電子技術應用 2016年12期2016-12-22
- 基于RVCF的大視角差異圖像匹配方法
域轉化成符合尺度空間條件的圓形區(qū)域；最后，利用SIFT算法對獲得的圓形區(qū)域進行仿射不變特征的提取與匹配。實驗結果表明：RVCF算法能夠在大的視角和尺度變化下成功實現(xiàn)圖像間的匹配。尺度不變特征變換；最大穩(wěn)定極值區(qū)域；圖像匹配；大視角差異圖像匹配是計算機視覺領域中的重要部分，廣泛應用于圖像拼接、目標檢測與跟蹤、定位系統(tǒng)等［1］。近年來，基于特征的圖像匹配方法發(fā)展迅速，如Harris算法、Hessian-affine算法、最大穩(wěn)定極值區(qū)域（MSER）算法等。MS
海軍航空大學學報 2016年5期2016-11-16
- 快速穩(wěn)健的自適應非線性尺度特征檢測子
,通過非線性尺度空間快速求解去除了噪聲同時保證了邊緣細節(jié),并將自適應選取尺度空間組數(shù)、基于加速段檢驗的自適應通用角點檢測子(adaptive and generic corner detection based on the accelerated segment test,AGAST)與框狀拉普拉斯濾波器去除邊緣響應相結合,兼顧了檢測的準確性與實時性。通過與尺度不變特征轉換(scale invariant feature transform,SIFT)檢
系統(tǒng)工程與電子技術 2016年11期2016-11-11
- 基于HESSIAN增強和形態(tài)學尺度空間的視網(wǎng)膜血管分割
增強和形態(tài)學尺度空間的視網(wǎng)膜血管分割于揮王小鵬(蘭州交通大學電子與信息工程學院甘肅 蘭州 730070)眼底視網(wǎng)膜血管的走向、彎曲度、分叉度等性狀分析已成為醫(yī)學上診斷全身血管性疾病的重要手段。采集到的眼底圖像常存在光照不均勻等現(xiàn)象，利用傳統(tǒng)的血管分割方法難以對微小血管進行檢測。為此提出一種基于改進Hessian矩陣增強和形態(tài)學尺度空間的分割方法。首先利用高斯函數(shù)構建多尺度Hessian增強濾波器，采用新型的血管相似性函數(shù)對血管網(wǎng)絡進行對比度增強，同時平滑圖
計算機應用與軟件 2016年8期2016-09-08
- 基于高斯尺度空間理論的ORB特征點檢測
伶?基于高斯尺度空間理論的ORB特征點檢測國家知識產(chǎn)權局專利局專利審查協(xié)作廣東中心 翟紫伶【摘要】針對當前具有尺度不變性的實時特征點檢測效率低的問題，研究了一種基于高斯尺度空間理論的ORB特征點檢測方法。該方法在保持ORB算子具有旋轉不變性和檢測速度快的同時，還能檢測出多尺度下的特征點。通過實驗驗證該方法保證速度快的同時又具有尺度不變性，適用于尺度變化較大且要求實時性高的視頻拼接。【關鍵詞】ORB算子；尺度空間；圖像拼接；尺度不變性引言特征點檢測一直是機器
電子世界 2016年10期2016-07-01
- 圖像特征點匹配算法的研究
。首先生成多尺度空間，并在多尺度空間里檢測穩(wěn)定的極值點，以便提取出的特征點具有尺度不變信息;然后使用ORB描述符來描述特征點，生成旋轉不變性的二進制描述符;最后實現(xiàn)特征點匹配。實驗結果表明，SUORB有效地解決ORB的缺陷，在圖像尺度變化時，SUORB匹配算法比ORB匹配算法的準確度明顯提高;同時SUORB和ORB兩種算法的匹配速度很接近。關鍵詞：特征點；匹配；尺度空間；組合算法0 引言圖像特征點匹配在目標跟蹤、圖像拼接、模式識別等領域有著廣泛的應用[1-
現(xiàn)代計算機 2016年10期2016-05-30
- 一種改進的圖像局部不變特征提取方法
點時減少構造尺度空間時所計算的響應層個數(shù)，將求取對應點響應放在定位階段。在特征描述階段，取消確定主方向的過程，將特征點周圍區(qū)域的Haar小波響應進行RGT變換，然后將特征點周圍區(qū)域劃分為多個同心圓，并統(tǒng)計特征點周圍圓形區(qū)域內的響應結果，最后利用小波響應結果得到旋轉不變的特征描述子。實驗結果表明，AR-SURF算法節(jié)省了時空損耗，提升了定位速度，提取效果更好，更加合適于海量圖片處理。Haar小波 徑向梯度變換 旋轉不變性0 引 言近年隨著互聯(lián)網(wǎng)的發(fā)展和海量圖
計算機應用與軟件 2016年4期2016-05-09
- 利用尺度空間及多角度地形斷面提取山谷山脊線
79)?利用尺度空間及多角度地形斷面提取山谷山脊線林鐵1，張翰超2，金姣2(1. 廣東省國土資源測繪院，廣東 廣州 510500； 2. 武漢大學，湖北 武漢 430079)The Extraction of Valley Line and Ridge Line Based on Scale Space and Multi-angle Terrain ProfileLIN Tie，ZHANG Hanchao，JIN Jiao摘要：從數(shù)字高程模型中自動提取山
測繪通報 2016年2期2016-04-11
- 基于降采樣歸一化割的多尺度分層分割方法研究
耗時。通過多尺度空間下的層級校準，準確定位多個尺度下的區(qū)域邊界進行區(qū)域合并，從而得到更準確的多層分割圖。關鍵詞：分層分割；降采樣歸一化割；尺度空間；層級校準；區(qū)域合并DOIDOI：10.11907/rjdk.151428中圖分類號：TP317.4文獻標識碼：A 文章編號文章編號：16727800（2015）0080190030 引言分割可看作是一種把圖像分成若干區(qū)域的方法。分割問題和輪廓檢測問題是相關的，但是兩者又不完全一樣。一般情況下，基于局部外觀特征的
軟件導刊 2015年8期2015-09-18
- 基于SIFT算法的圖像特征匹配
體過程，包含尺度空間構建、關鍵點的檢測和精確定位、關鍵點方向向量的確定和最終SIFT特征描述子的形成等步驟，以及根據(jù)形成的特征描述子進行圖像的匹配。根據(jù)實驗結果得出SIFT算法可以有效準確地實現(xiàn)圖像之間的匹配。圖像匹配；SIFT特征匹配；尺度空間；方向向量；特征描述子0 引言隨著計算機行業(yè)的不斷發(fā)展，二十世紀七十年代末MARR提出計算機視覺理論，認為計算機視覺是一種信息處理的過程，經(jīng)過這一過程通過硬件計算機從圖像中了解和發(fā)現(xiàn)外部世界的信息。并提出信息處理的
現(xiàn)代計算機 2015年5期2015-05-24
- 基于改進的BoVW模型的圖像檢索方法研究
像檢索; 多尺度空間隨著各種數(shù)字媒體的出現(xiàn)，相關的數(shù)字媒體技術也飛速發(fā)展，如媒體的索引、排序、檢索等。多媒體數(shù)據(jù)庫中媒體數(shù)量的急增，對各種技術也提出了更高的要求，要求其具有更快的響應速度，更精確的檢索精度，這就需要對各種算法進行改進?；趦热莸膱D像檢索有別于傳統(tǒng)的基于圖像標題的檢索，是由用戶提供檢索關鍵字或樣圖，然后根據(jù)圖像的內容，進行相似度匹配，根據(jù)匹配程度進行檢索的一種方式。BoVW(bag of visual word)模型[1]稱為視覺詞袋模型，最
重慶科技學院學報（自然科學版） 2015年5期2015-04-22
- 基于顯著性與尺度空間的紅外弱小目標檢測
獻［5］利用尺度空間濾波來優(yōu)化骨骼細化算法，該方法抗噪性穩(wěn)健且自適應強，有效地提高了預處理速度;文獻［6］采用改進的二維自適應最小均方濾波窗口獲得預測背景，再利用背景減法差分出紅外小目標，該算法有較強的背景抑制能力，可在調節(jié)自適應尺度窗口時較為繁復;文獻［7］提出了適用于目標環(huán)境信息變化的檢測算法，該方法能有效地檢測出無先驗知識的目標，不足的是對多目標檢測效果不好;文獻［8］先利用梯度算子來處理圖像，再將其小波分解，用多尺度互能量交叉函數(shù)進行背景雜波抑制并
激光與紅外 2015年4期2015-03-29
- 樣條尺度空間與Canny算子結合的弱邊緣檢測算法研究
013）樣條尺度空間與Canny算子結合的弱邊緣檢測算法研究樊英平，邢輝，孟曉軍，修瑞云（中國人民解放軍69079部隊，新疆烏魯木齊830013）由于在單一尺度空間中，邊緣檢測算子不可能正確地檢測出所有滿足實際需要的邊緣，提出B?spline算子與Canny算子結合的邊緣檢測算法，首先用B?spline算子對圖像進行多尺度空間處理，然后用Canny算子進行邊緣檢測，給出了尺度空間的計算過程和實例，并以實拍復雜背景條件下紅外機場跑道為邊緣檢測實驗對象，通過實
現(xiàn)代電子技術 2015年9期2015-03-02
- 基于尺度空間粒子濾波器的多參考直方圖目標跟蹤算法
06)?基于尺度空間粒子濾波器的多參考直方圖目標跟蹤算法賈靜平, 夏宏, 謝萍(華北電力大學控制與計算機工程學院, 北京 102206)摘要：在基于直方圖的序列圖像目標跟蹤算法中,目標的直方圖通常都是在跟蹤初始化時從目標所在的區(qū)域獲得,然而單個直方圖難以適應跟蹤全過程中目標的各種變化。針對事先已知目標幾種典型外觀的跟蹤問題,提出了一種基于粒子濾波器的多直方圖尺度空間跟蹤算法。利用多個典型直方圖的線性加權來表示目標的直方圖,根據(jù)目標的當前區(qū)域估計加權系數(shù),生
系統(tǒng)工程與電子技術 2015年5期2015-02-18
- 基于尺度空間的體數(shù)據(jù)邊界不確定性可視化研究
提出了基于多尺度空間的邊界體元中多種物質的概率分布計算方法，并采用信息熵度量邊界體元的不確定性，然后使用顏色漸變的方式將不確定性信息疊加繪制在表面模型上.實驗表明，該方法能快速有效地計算和表示體數(shù)據(jù)中物質邊界的不確定信息.關鍵詞：〖HTK〗不確定性；可視化；體數(shù)據(jù)；尺度空間 摘要：數(shù)據(jù)可視化的數(shù)據(jù)預處理過程中會不可避免地導致數(shù)據(jù)的不確定性.以體數(shù)據(jù)中邊界體元為研究對象，提出了基于多尺度空間的邊界體元中多
湖南大學學報·自然科學版 2014年10期2014-11-20
- SIFT算法研究內容概述
法首先要尋找尺度空間中的極值點，通過提取局部特征來提取算法。我們研究的SIFT算法主要由以下四步組成。1 尺度空間極值點檢測其中G(x，y，σ)是尺度可變高斯函數(shù)，(x，y)表示圖像像素點位置，σ表示空間因子，由上式得到的值越小表示圖像的尺度越小。SIFT算法第一步就是要獲得尺度空間的極值點，為了能有效的檢測到關鍵點，我們提出了高斯差分尺度空間這一概念。下式是高斯差分函數(shù)。高斯差分函數(shù)相比于其他的函數(shù)在極值點檢測中有著較高的計算效率，并且和尺度歸一化的拉普
長春大學學報 2014年6期2014-09-21
- 基于尺度空間的小波紋理描述算法的壁畫修復*
070)基于尺度空間的小波紋理描述算法的壁畫修復*任小康，鄧琳凱(西北師范大學計算機科學與工程學院,甘肅 蘭州 730070)近年來，壁畫的數(shù)字化修復技術得到了很大的發(fā)展，但是其主要算法在圖像紋理方向的修復效果一般。為了解決這些問題，還原壁畫的原有樣貌，提出了一種簡單快速的壁畫修復算法。該算法在改進的Telea算法的基礎上，根據(jù)圖像紋理的多尺度特征性，利用小波紋理描述算法對壁畫的紋理結構進行了修復處理，運用非局部梯度算子，通過計算待修復區(qū)域的像素點的非局部
計算機工程與科學 2014年11期2014-09-13
- 我國區(qū)域經(jīng)濟發(fā)展的趨同與分異
。（一）不同尺度空間的劃分與特征本文將四大地帶（東部地區(qū)、中部地區(qū)、西部地區(qū)和東北三?。⑹。?1個省、直轄市、自治區(qū)）、城市群（即長三角、珠三角、環(huán)渤海地區(qū)、中原城市群以及國家規(guī)劃的其他城市群）、特大中心城市（如主要省會城市和經(jīng)濟中心）稱為大尺度空間；而把基于大尺度空間之下且屬于其組成部分的單個城市（包括一般中小城市）、縣域和鎮(zhèn)域界定為小尺度空間①。大尺度空間的特征是地域面積大、市場范圍比較廣、集聚人口眾多、產(chǎn)業(yè)形式多樣化、規(guī)模經(jīng)濟顯著；小尺度空間的主
區(qū)域經(jīng)濟評論 2014年6期2014-08-15
- 盲小波算法在金屬礦床地震資料去噪處理中的應用
分解到不同的尺度空間上，并且其頻率帶也不相同，與尺度空間是一一對應的關系?？梢赃@樣認為：原信號是經(jīng)過小波變換到不同尺度空間下的所有的信號的一種疊加，不同尺度空間上信號的細節(jié)方面更為清晰，更利于處理。本文根據(jù)該想法提出了一種新的消除地震信號噪聲的算法——盲小波算法：首先將一組相鄰的觀測信號分解到不同的尺度空間上，利用閾值法對相應尺度空間下的小波系數(shù)進行處理；然后在不同尺度空間下對信號進行盲信號分離，分離出對應尺度空間下的源信號；最后根據(jù)小波逆變換把尺度空間下
成都理工大學學報（自然科學版） 2013年2期2013-08-01
- 園林景觀尺度空間量化控制探析
因素量化控制尺度空間，提升景觀設計效果，對優(yōu)化園林景觀環(huán)境，創(chuàng)設配比協(xié)調的空間尺度有重要的實踐意義。關鍵詞:園林景觀；尺度空間；量化控制Abstract: this paper based on the spatial scale connotation, decided to factors discussed how the landscape based on people visual factors control scale space qua
城市建設理論研究 2012年16期2012-10-15
- 多尺度Harris角點檢測的FPGA實現(xiàn)
測算子與高斯尺度空間相結合,在多個尺度上進行Harris角點的檢測,使其具有尺度不變性。多尺度Harris角點檢測雖然克服了Harris算子只能在單一尺度下檢測角點的缺點，但是卻大大增加了計算量和計算時間，難以進行實時處理。通過分析發(fā)現(xiàn)，雖然多尺度Harris角點檢測計算量很大，但是其結構相對簡單，適合利用現(xiàn)場可編程門陣列（FPGA，F(xiàn)ield Programmable Gate Array）來實現(xiàn)以提高處理速度[3-4]。本文充分考慮FPGA的結構及多尺
通信技術 2012年11期2012-08-10
- 利用尺度空間下特征點進行匹配的電子穩(wěn)像方法?
法是一種在的尺度空間下提取圖像特征點的方法，即尺度不變特征變換(Scale Invariant Feature Transform)，解決了不同尺度下圖像特征點提取問題。SIFT算法獨特性好，信息量豐富，精確率較高。1.1 SIFT算法SIFT算法是一種提取局部特征的算法，在尺度空間尋找極值，提取極值點位置，尺度，旋轉不變量。SIFT匹配算法分為以下幾個步驟。1.1.1 特征點的檢測1) 尺度空間建立首先建立尺度空間，一幅二維圖像I(x,y)尺度空間定義為
電子測試 2012年9期2012-08-07
- 矩陣值函數(shù)空間中尺度空間的稠密性
值函數(shù)空間中尺度空間的稠密性崔麗鴻,陳曉東,杜俊峰,王隆玉,郭興寶,崔月娥(北京化工大學理學院數(shù)學系,北京 100029)多分辨分析的概念在小波基構造中起著非常重要的作用,并經(jīng)歷了從經(jīng)典多分辨分析到多重多分辨分析,再到矩陣值多分辨分析的研究歷程.本文基于矩陣值多分辨分析,研究并給出了矩陣值函數(shù)空間中尺度空間稠密性的兩個充要條件,并在此基礎之上得到了稠密性的兩個充分條件.矩陣值多分辨分析;矩陣值函數(shù)空間;尺度空間;稠密性1 研究背景1981 年,文獻[1]提
純粹數(shù)學與應用數(shù)學 2012年2期2012-07-05
- 基于SAR景象不變特征點的匹配定位技術研究
算法是一種多尺度空間不變特征強點匹配方法，由D.G.Lowe 1999年提出，2004年完善總結［2］。該SIFT算法是一種提取局部特征的算法，在尺度空間尋找極值點，提取位置、尺度、旋轉不變量。SIFT算法主要分為4個步驟:1)檢測尺度空間極值點;2)精確定位極值點;3)為每個關鍵點指定方向參數(shù);4)關鍵點特征向量的生成。SIFT算法詳細步驟分別如下:1)尺度空間的生成在圖像處理領域的尺度空間理論目的是模擬圖像數(shù)據(jù)的多尺度特征。高斯卷積核是實現(xiàn)尺度變換的唯
航天控制 2012年1期2012-06-11
- 基于大尺度雙邊SIFT的SAR圖像同名點自動提取方法
檢測圖像高斯尺度空間中穩(wěn)定的塊點(blob)，然后利用梯度方向直方圖計算特征點主方向并形成描述子，具有旋轉、尺度以及局部仿射和灰度不變性。文獻[9]將 SIFT應用于遙感圖像配準，并結合遙感圖像的特點改進了匹配策略，取得了較好的效果。文獻[10]對 SIFT在SAR圖像配準中的應用能力進行了系統(tǒng)性的評價，指出SIFT可在多種成像條件下的SAR圖像間提取同名點。但由于SAR圖像復雜的成像條件，特別是斑點噪聲的存在，導致 SIFT檢測到大量的虛假特征點，這些點
電子與信息學報 2012年2期2012-04-29
- 基于SIFT和人機交互的遙感影像識別方法研究
現(xiàn)順序為檢測尺度空間中的極值點、定位極值點的位置、確定特征點的方向、生成描述特征點的特征向量。1.1 檢測尺度空間極值點尺度空間理論目的是模擬圖像數(shù)據(jù)的多尺度特征，高斯卷積核是實現(xiàn)尺度變換的唯一線性核，一幅二維圖像的尺度空間定義為：式中，G（x，y，σ）是尺度可變高斯函數(shù)：式中，（x，y）是空間坐標；σ是尺度坐標，σ值越小，表征該圖像被平滑得越少，相應的尺度也就越小。大尺度對應于圖像的概貌特征，小尺度對應于圖像的細節(jié)特征。為了有效地在尺度空間檢測到穩(wěn)定的關
網(wǎng)絡安全與數(shù)據(jù)管理 2011年3期2011-01-22
- 尺度與特征引導視覺選擇性注意機制模型
討論視覺中的尺度空間表示方法、顯著性度量方法。最后選取強度、顏色和方向三種特征以及尺度引導注意,建立一個自下而上的結合尺度與特征引導的計算模型,并給出仿真實驗結果。[JP]關鍵詞:協(xié)同模式識別;主動視覺;視覺選擇性注意機制;尺度空間中圖分類號:TP3910 引 言目前主動視覺是機器視覺研究的熱點和發(fā)展方向。其核心內容是為了完成給定的視覺任務,如何主動、智能、有選擇地獲取視覺信息;從計算的觀點來說,就是要建立視覺選擇性注意機制的計算模型,對圖像數(shù)據(jù)進行顯著性
現(xiàn)代電子技術 2009年22期2010-06-22