您的位置: 专家智库 > >

国家自然科学基金(61105031)

作品数:5 被引量:43H指数:2
相关作者:雷琳周石琳侯毅赵键刘俊良更多>>
相关机构:国防科学技术大学上海交通大学更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术电子电信更多>>

文献类型

  • 5篇中文期刊文章

领域

  • 4篇自动化与计算...
  • 1篇电子电信

主题

  • 2篇图像
  • 2篇局部不变特征
  • 1篇单幅
  • 1篇形变
  • 1篇形态学
  • 1篇遮挡
  • 1篇似然
  • 1篇似然函数
  • 1篇图像表示
  • 1篇图像匹配
  • 1篇图像融合
  • 1篇热核
  • 1篇下采样
  • 1篇滤波
  • 1篇描述符
  • 1篇金字
  • 1篇金字塔
  • 1篇局部遮挡
  • 1篇矩阵
  • 1篇建筑

机构

  • 5篇国防科学技术...
  • 1篇上海交通大学

作者

  • 5篇雷琳
  • 4篇周石琳
  • 3篇侯毅
  • 2篇赵键
  • 1篇王壮
  • 1篇蒋李兵
  • 1篇郁文贤
  • 1篇刘俊良
  • 1篇邓志鹏

传媒

  • 2篇电子学报
  • 1篇通信学报
  • 1篇计算机工程与...
  • 1篇信号处理

年份

  • 1篇2015
  • 2篇2014
  • 2篇2013
5 条 记 录,以下是 1-5
排序方式:
基于ORB的快速完全仿射不变图像匹配被引量:15
2014年
ASIFT具有完全仿射不变性,但计算耗时;ORB实时性好,但仿射不变性差。为了在图像匹配中同时兼顾仿射不变性和实时性,利用模拟相机在不同视点下成像的手段使得ORB具备完全仿射不变性,进而提出了一种基于ORB的快速完全仿射不变图像匹配新算法(AORB)。首先通过模拟相机在不同视点下成像以获取模拟的图像,然后用快速的ORB算法对所有模拟的图像对进行匹配,最终取得完全仿射不变性。实验结果表明,该算法能够满足完全仿射不变图像匹配需求,并且相比基于OpenMP的ASIFT计算速度提高了约6倍。
侯毅周石琳雷琳赵键
关键词:ORB仿射不变图像匹配
有向非刚体形变局部不变特征描述符
2015年
当前局部不变特征描述符主要针对刚体形变的图像匹配问题,但非刚体形变图像匹配的需求普遍存在且应用日趋广泛.非刚体形变的复杂性会导致同名特征点的局部支撑区域难以保持结构特性的相似性.构造更具针对性的局部不变特征描述符成为解决非刚体形变图像匹配问题的关键.针对如何准确地确定局部特征的主方向并划分局部支撑区域,提出了一种有向非刚体形变局部不变特征描述符及其构建方法.首先根据特征点的二阶矩阵估计其椭圆邻域并指示主方向,然后对局部支撑区域进行同性化处理,以消除各向异性形变的差异,最后把局部支撑区域加权嵌入到三维空间,用热核信号的形变不变性进行特征点局部支撑区域描述.对比实验结果表明,在非刚性形变和光度变化情况下,本文描述符的匹配正确率高于SIFT(ScaleInvariant Feature Transform)和GIH(Geodesic Intensity Histogram)描述符,且保持了较好的旋转不变性.
邓志鹏侯毅雷琳周石琳
关键词:局部不变特征二阶矩阵
基于Gabor滤波器组的多特征尺度不变特征提取方法被引量:24
2013年
提出了一种多特征尺度不变特征提取方法,简称GIFT(Gabor scale-Invariant Feature Transform).该方法首先利用2D Gabor滤波器组模拟生物视觉感知计算模型进行特征点检测,符合生物视觉感知特性,得到具物理直观性、稳健的特征点.其次采用基于Gabor核函数的特征尺度选择方法对所检测的特征点选择多个特征尺度,得到高可区分性的多特征描述子.最后,通过设计面向多特征尺度的特征匹配策略,提高特征匹配的可靠性.基于标准数据集的对比实验结果表明,GIFT方法在特征匹配率和稳健性上均优于SIFT.
侯毅周石琳雷琳赵键
关键词:局部不变特征GABOR滤波器组
基于模型迭代匹配的单幅高分辨SAR图像遮挡建筑物高度估计方法被引量:2
2013年
分析了高分辨SAR图像中受遮挡建筑物的特点,提出了一种针对遮挡情况建筑物的高度估计方法。该方法基于模型迭代匹配的思想,将一系列高度参数假设依所提构建的计算模型变换为特征信号并与SAR图像进行匹配,使似然函数达到最大的高度假设为待估计的遮挡建筑物高度。基于仿真和实测SAR数据的实验结果表明,和已有方法相比,所提方法可以更准确地实现对部分被遮挡建筑物的高度估计。
蒋李兵王壮雷琳郁文贤
关键词:局部遮挡似然函数
非下采样形态学Shearlet变换:提高结构细节捕捉的图像表示新方法被引量:2
2014年
针对Shearlet变换缺乏平移不变性以及对结构细节捕捉能力较差等不足,提出提高结构细节捕捉的非下采样形态学Shearlet变换。不同于传统的离散Shearlet变换,本文采用非下采样形态学Haar金字塔分解代替拉普拉斯金字塔分解,实现对源图像的多尺度分解。结构细节捕捉能力较强的非下采样形态学Haar金字塔取消了下采样操作,不仅使变换具有平移不变性,而且提高了变换结构细节捕捉和保持的能力。经过图像融合实验结果对比,验证了该变换在图像融合应用中结构细节捕捉能力的有效性。
刘俊良雷琳周石琳
关键词:SHEARLET变换图像融合
共1页<1>
聚类工具0