尺度空間
- 基于改進(jìn)的SIFT算法的工件輪廓配準(zhǔn)方法
圖上計(jì)算高斯尺度空間，不構(gòu)建圖像金字塔，計(jì)算出高斯差分圖像，然后在高斯差分圖像上求解極值點(diǎn)作為圖像的特征點(diǎn)，對(duì)于提取的特征點(diǎn)不會(huì)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(diǎn)進(jìn)行嘗試匹配，計(jì)算圖像重合度的方法來選出最匹配點(diǎn)。最后通過實(shí)驗(yàn)仿真證明，該算法能夠在保證較高實(shí)時(shí)性的同時(shí)準(zhǔn)確完成了工件輪廓與模板輪廓的配準(zhǔn)。1 SIFT特征提取原理1.1 定義圖像的尺度空間為了實(shí)現(xiàn)在不同的尺度空間使用不同尺度的窗口，對(duì)于小的特征點(diǎn)使用小的窗口，對(duì)于大
機(jī)械工程師 2022年10期2022-11-17
- 基于SIFT數(shù)學(xué)算法的皮革斷面圖像處理與配準(zhǔn)研究
法完成后續(xù)的尺度空間極值檢測(cè)、關(guān)鍵點(diǎn)定位、方向分配等處理過程，并經(jīng)對(duì)照實(shí)驗(yàn)分析與驗(yàn)證改進(jìn)后數(shù)學(xué)算法的配準(zhǔn)效果。1 基于SIFT算法皮革斷面圖像配準(zhǔn)1.1 SIFT數(shù)學(xué)算法概述SIFT數(shù)學(xué)算法是一種計(jì)算機(jī)圖像處理中局部特征的描述與提取算法，該算法的本質(zhì)是在不同的尺度空間上查找關(guān)鍵點(diǎn)，并計(jì)算出關(guān)鍵點(diǎn)的方向。將SIFT數(shù)學(xué)算法應(yīng)用到皮革斷面圖像的處理和配準(zhǔn)上，可獲得穩(wěn)定的配準(zhǔn)效果[1]。1.2 基于SIFT算法皮革斷面圖像配準(zhǔn)過程首先，使用環(huán)氧樹脂材料充分浸潤(rùn)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(xì)到粗的信息粒轉(zhuǎn)換.多尺度廣泛存在于地理空間分布、圖像分析等多個(gè)研究領(lǐng)域[2-9].目前，學(xué)者已經(jīng)對(duì)多尺度信息系統(tǒng)進(jìn)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(dòng)態(tài)變化，利用三支決策的方法研究了動(dòng)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(duì)象
計(jì)算機(jī)研究與發(fā)展 2022年9期2022-09-06
- 傾斜影像匹配研究及應(yīng)用
過建立非線性尺度空間提高了圖像匹配的準(zhǔn)確度，但是運(yùn)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(yùn)行效率，較好地保留了圖像的輪廓信息，但是對(duì)于結(jié)果的準(zhǔn)確度而言，AKAZE算法弱于SIFT算法［7］。在上述匹配算法的基礎(chǔ)上，許多學(xué)者提出了改進(jìn)算法。完文韜等人［8］基于傳統(tǒng)SIFT算法，將SIFT算子結(jié)構(gòu)化由局部轉(zhuǎn)變?yōu)槿?，用?zhǔn)歐氏距離代替歐氏距離，實(shí)現(xiàn)了異源影像的高精度配
長(zhǎng)春理工大學(xué)學(xué)報(bào)（自然科學(xué)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(gè)步驟:尺度空間構(gòu)建、特征檢測(cè)、特征編碼和內(nèi)點(diǎn)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(diǎn)和構(gòu)建描述符,具有較好尺度不變性、旋轉(zhuǎn)不變性和抗光照不變性,但是耗時(shí)較長(zhǎng)。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(cè)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(gè)人尺度空間從景觀關(guān)系者層面來看，在實(shí)現(xiàn)城市更新過程中，個(gè)人尺度空間改造完全受制于個(gè)人特征、經(jīng)驗(yàn)與背景，通過融入、想象或直接體驗(yàn)等途徑將服務(wù)于人的項(xiàng)目對(duì)使用者生活的影響進(jìn)行思考，從而深刻體驗(yàn)其帶來的重要記憶、經(jīng)驗(yàn)、需求、生活習(xí)慣及人體尺度等。要了解景觀關(guān)系者對(duì)現(xiàn)狀場(chǎng)地產(chǎn)生的直接認(rèn)知與感受，應(yīng)重點(diǎn)把握個(gè)人尺度的空間表征因素，主要是材料色彩、質(zhì)地、明暗、觸摸質(zhì)感、溫度等，通過問卷調(diào)查方式了解使用者對(duì)這些表征的偏好、認(rèn)知與感受。3.2 居住尺度空間實(shí)踐經(jīng)
城市建筑空間 2022年11期2022-03-14
- 結(jié)合Harris和改進(jìn)SIFT算法的遙感圖像配準(zhǔn)方法?
系出發(fā)，去除尺度空間中第一層特征點(diǎn)得到的初始匹配特征，使用多個(gè)局部鄰域來提取描述子以增強(qiáng)其區(qū)別度.Dellinger提出的SAR-SIFT算法[16]，是針對(duì)SAR圖像提出新的梯度計(jì)算方法改進(jìn)SIFT算法.冷成財(cái)?shù)忍岢龌诔叨?、方向和距離約束的改進(jìn)SIFT配準(zhǔn)方法（SODC-SIFT）[17].這些算法都是針對(duì)遙感圖像配準(zhǔn)魯棒性不高，在尺度不變特征變換（SIFT）算法的基礎(chǔ)上提出的改進(jìn)算法.但是這些算法對(duì)于存在較大灰度差異的異源遙感圖像來說配準(zhǔn)仍然面臨巨大
- 基于非線性空間及空間約束的遙感圖像配準(zhǔn)
但是使用高斯尺度空間，容易使邊緣和細(xì)節(jié)變得模糊，導(dǎo)致特征點(diǎn)定位精度差，特征描述子區(qū)別度低。李[8]將非線性擴(kuò)散技術(shù)應(yīng)用在多光譜圖像配準(zhǔn)中，實(shí)驗(yàn)也表明非線性擴(kuò)散濾波能夠增加特征點(diǎn)檢測(cè)和配準(zhǔn)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(gè)時(shí)間步驟求解大型線性方程組，比較耗時(shí)。對(duì)此，本文提出了基于非線性尺度空間的改進(jìn)SIFT遙感圖像配準(zhǔn)算法，用非線性擴(kuò)散方程和快速顯式擴(kuò)散方法(FED)[10]構(gòu)建空間，其優(yōu)勢(shì)在于保留
計(jì)算機(jī)仿真 2021年3期2021-11-17
- 電力巡線無人機(jī)航拍圖像匹配算法研究
大部分：一是尺度空間構(gòu)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(gòu)建尺度空間，然后再高斯差分金字塔中檢測(cè)特征點(diǎn)，最后建立128維浮點(diǎn)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(yán)重影響算法效率。針對(duì)SIFT算法效率較低，提出了利用小波算法建立64維浮點(diǎn)型描述符的SURF算法[10]（Speeded Up Robust Feature），該算法
計(jì)算機(jī)工程與應(yīng)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(zhǔn)*
高斯濾波構(gòu)建尺度空間。因?yàn)楦咚购瘮?shù)是各向同性，因此待配準(zhǔn)圖像的邊緣和細(xì)節(jié)同噪聲一樣變得模糊，關(guān)鍵點(diǎn)很難實(shí)現(xiàn)亞像素級(jí)別的準(zhǔn)確定位，所以特征描述子的區(qū)別度低。文獻(xiàn)[5]提出了KAZE算法，首次使用各向異性技術(shù)生成非線性尺度空間，檢測(cè)和描述性能優(yōu)于傳統(tǒng)的SIFT，但是使用Hessian算子需要計(jì)算每層尺度空間的二階梯度，對(duì)噪聲特別敏感。文獻(xiàn)[6]提出了加速KAZE(Accelerated-KAZE,AKAZE)算法，采用快速顯式擴(kuò)散函數(shù)和二進(jìn)制特征描述子，在保留
電訊技術(shù) 2021年9期2021-09-29
- 基于自適應(yīng)VMD的高速列車軸箱軸承故障診斷
中提出了改進(jìn)尺度空間引導(dǎo)的VMD方法，該方法利用改進(jìn)尺度空間預(yù)先確定IMF的個(gè)數(shù)，預(yù)估中心頻率并利用帶寬的預(yù)估對(duì)各IMF的懲罰因子進(jìn)行加權(quán)。該方法有效地提高了VMD的自適應(yīng)性，但是對(duì)于懲罰因子的預(yù)估依舊是依靠經(jīng)驗(yàn)得出。針對(duì)這一問題，在Huang提出的改進(jìn)尺度空間引導(dǎo)VMD(Modified Scale-space guiding VMD, MSVMD的基礎(chǔ)上，本文提出了一種預(yù)估懲罰因子的MSVMD方法(preset Alpha MSVMD, AMSVMD)
振動(dòng)與沖擊 2021年3期2021-02-07
- 體驗(yàn)式景觀在鄉(xiāng)村小尺度空間設(shè)計(jì)中的應(yīng)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(guó)鄉(xiāng)村空間設(shè)計(jì)與改造開始向文化挖掘、整體規(guī)劃、設(shè)計(jì)改造的模式靠攏，但設(shè)計(jì)改造中也暴露了一些問題：文化挖掘不夠,設(shè)計(jì)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(dǎo)致部分鄉(xiāng)村小尺度空間未被利用或利用不恰當(dāng)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(nóng)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(yīng)用
。1 大數(shù)據(jù)尺度空間構(gòu)造及特性以該空間為核心設(shè)計(jì)理論研究點(diǎn)，進(jìn)行了各項(xiàng)移性特征挖掘算法的探討。通過實(shí)驗(yàn)的開展所獲得的具體實(shí)驗(yàn)結(jié)果如下：各項(xiàng)異性小波熱源空間為核心的挖掘算法，在進(jìn)行應(yīng)用過程中可以進(jìn)行分級(jí)使用，即算法可以對(duì)當(dāng)前的數(shù)據(jù)進(jìn)行分級(jí)檢測(cè)[2]。所以，當(dāng)前面向大數(shù)據(jù)圖像處理的尺度空間挖掘算法及應(yīng)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(qiáng)擴(kuò)展性以及非常良好的兼容性和在未來使用過程中的應(yīng)用適應(yīng)性。大數(shù)據(jù)尺度空間在進(jìn)行構(gòu)造過程中所應(yīng)用的函數(shù)以及算法實(shí)際上
電子元器件與信息技術(shù) 2020年9期2020-12-13
- 圖像特征匹配環(huán)境下SIFT算法的改進(jìn)
匹配包括構(gòu)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(gòu)建尺度空間特征點(diǎn)檢測(cè)是在尺度空間中完成的，從較遠(yuǎn)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(xì)節(jié)特征[10]。為了更詳細(xì)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(jié)合進(jìn)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(xué)學(xué)報(bào) 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(gòu)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(gòu)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(gòu)建。利用高斯核函數(shù)構(gòu)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(huì)致使圖像的邊緣信息丟失，嚴(yán)重影響特征點(diǎn)和描述符的穩(wěn)定性。利用非線性濾波函數(shù)構(gòu)建的尺度空間算法主要有：KAZE算法[9]，AKZAE算法[10
計(jì)算機(jī)應(yīng)用與軟件 2020年6期2020-06-16
- 改進(jìn)的EWT方法在軸承故障診斷中的應(yīng)用
—基于能量的尺度空間經(jīng)驗(yàn)小波變換（EnergyScaleSpaceEmpiricalWavelet Transform，ESEWT）方法；該方法在EWT的基礎(chǔ)上，使用尺度空間法對(duì)Fourier譜進(jìn)行自適應(yīng)劃分，得到各頻帶分界點(diǎn)，并全根據(jù)各頻帶能量篩選頻帶分界點(diǎn)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(diǎn)并設(shè)計(jì)出小波濾波器組后，對(duì)帶通濾波得到的各分量信號(hào)進(jìn)行Hilbert變換，提取軸承的故障特征頻率。通過實(shí)驗(yàn)驗(yàn)證，
機(jī)械設(shè)計(jì)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(gòu)建環(huán)節(jié)不夠成熟，當(dāng)圖像尺度發(fā)生突變時(shí)，圖像特征匹配的精度會(huì)受影響。文獻(xiàn)[8-10]分別通過結(jié)合SIFT和SURF檢測(cè)算子使得改進(jìn)后的ORB算法擁有尺度不變特性，但實(shí)時(shí)性和匹配精度難以兼得，可見對(duì)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(jìn)算法，該算法借鑒A-KAZE[11](Accelerated-KAZE)算法思想對(duì)ORB進(jìn)行改進(jìn)，通過構(gòu)建非線性尺度空間提取顯著特征點(diǎn)，使其對(duì)尺度變換的圖像具
- 圖像相似度計(jì)算算法分析
其可通過構(gòu)建尺度空間提取特征關(guān)鍵點(diǎn)，求解匹配度來彌補(bǔ)傳統(tǒng)算法在計(jì)算圖像相似度時(shí)的局限性。實(shí)驗(yàn)結(jié)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(diǎn)，從而更好地計(jì)算圖像的相似度;對(duì)于一組相似圖片，通過SIFT算法能提取出308個(gè)特征點(diǎn)，圖片相似度可達(dá)63%。關(guān)鍵詞： 圖像識(shí)別; 圖像相似度; 灰度直方圖; 特征點(diǎn)匹配; 關(guān)鍵點(diǎn); 尺度空間中圖分類號(hào)： TN911.73?34; TP391.4 ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼： A ? ?
現(xiàn)代電子技術(shù) 2019年9期2019-09-02
- 改進(jìn)KAZE算法的移動(dòng)目標(biāo)檢測(cè)*
在求解非線性尺度空間的迭代步長(zhǎng)以及計(jì)算相鄰幀之間特征點(diǎn)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(jī)航拍圖像中進(jìn)行移動(dòng)目標(biāo)檢測(cè)時(shí),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(cè)和非線性尺度空間描述的算法[4,6,7]。1)計(jì)算非線性尺度空間。對(duì)尺度空間采用對(duì)數(shù)離散化,內(nèi)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(yīng)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(diǎn)的保結(jié)構(gòu)檢測(cè)方法
于擴(kuò)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(cè)三維特征點(diǎn).1 相關(guān)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(gè)尺度下的描述，尺度空間的構(gòu)建主要包括：① 利用低通濾波器平滑圖像；② 對(duì)平滑后的圖像進(jìn)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(shè)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,
- 基于峭度與互相關(guān)的IEWT軸承故障診斷方法研究
分密切相關(guān)。尺度空間表征(SSR)算法可以根據(jù)信號(hào)的頻譜自適應(yīng)地實(shí)現(xiàn)信號(hào)的頻帶劃分。但是，在對(duì)軸承信號(hào)處理時(shí)SSR容易產(chǎn)生過度劃分，這就導(dǎo)致一個(gè)共振頻帶被分解成多個(gè)分量，從而無法有效地提取故障沖擊。因此，提出基于峭度準(zhǔn)則與互相關(guān)分析的改進(jìn)EWT算法：首先，根據(jù)尺度空間表征對(duì)信號(hào)的頻譜進(jìn)行劃分；然后，計(jì)算每個(gè)分量的峭度值，對(duì)峭度值大于閾值的分量進(jìn)行相關(guān)性分析，選取相關(guān)性高的分量進(jìn)行合并；最后，對(duì)合并后的分量進(jìn)行包絡(luò)分析，提取故障沖擊。通過使用仿真與實(shí)驗(yàn)數(shù)據(jù)對(duì)
鐵道科學(xué)與工程學(xué)報(bào) 2019年7期2019-03-24
- 基于SIFT的車標(biāo)識(shí)別算法
數(shù)建立的不同尺度空間上查找關(guān)鍵點(diǎn)[4]. 該算法對(duì)圖像屬性變化(包括旋轉(zhuǎn)、 平移、 大小、 亮度)具有不變性, 采用DoG(difference of Gaussian)算法對(duì)圖像局部特征進(jìn)行提取完成相應(yīng)任務(wù)[5]. SIFT算子采用的二維高斯模糊函數(shù)為(1)對(duì)相應(yīng)的尺度空間經(jīng)過高斯模糊函數(shù)處理過的圖像進(jìn)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(qiáng)的特征點(diǎn), 因此對(duì)圖像特征點(diǎn)的選取分為特征向量確定和特征向量比對(duì)
吉林大學(xué)學(xué)報(bào)（理學(xué)版） 2018年3期2018-11-06
- 基于非線性尺度空間的增強(qiáng)現(xiàn)實(shí)場(chǎng)景識(shí)別算法
用建立非線性尺度空間提取特征點(diǎn)的方法可有效彌補(bǔ)此方面的不足[15,16]。1 基于非線性尺度空間的特征點(diǎn)提取1.1 非線性尺度空間的建立由于歐拉法在收斂時(shí)步長(zhǎng)非常小，迭代次數(shù)多，計(jì)算成本高，所以在求解非線性擴(kuò)散方程時(shí)若用傳統(tǒng)的正向歐拉法效率會(huì)很低。由此，本文在進(jìn)行非線性擴(kuò)散濾波時(shí)使用加性算子分裂算法(additive operator splitting，AOS)[17]，這樣對(duì)于任意步長(zhǎng)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(duì)非線性擴(kuò)散
計(jì)算機(jī)工程與設(shè)計(jì) 2018年10期2018-10-24
- 多尺度殘差深度神經(jīng)網(wǎng)絡(luò)的衛(wèi)星圖像超分辨率算法
征，預(yù)測(cè)不同尺度空間的高頻殘差信息。然后通過殘差融合網(wǎng)絡(luò)將預(yù)測(cè)所得的不同尺度空間的殘差圖像在殘差空間進(jìn)行加權(quán)，進(jìn)行殘差信息之間的互補(bǔ)和融合，使得不同目標(biāo)能夠在最合適的空間進(jìn)行表達(dá)。本文中的多尺度殘差網(wǎng)絡(luò)以兩個(gè)不同尺度空間子網(wǎng)絡(luò)為例，分別為尺度空間1和尺度空間2，網(wǎng)絡(luò)結(jié)構(gòu)圖如圖1所示。1.1 殘差學(xué)習(xí)Kim［10］證明了隨著網(wǎng)絡(luò)層數(shù)的增加，大量的超參數(shù)促進(jìn)了網(wǎng)絡(luò)的非線性表達(dá)能力。然而，網(wǎng)絡(luò)層數(shù)的單一級(jí)聯(lián)帶了一個(gè)不可避免的問題：梯度消失/梯度爆炸導(dǎo)致在反向傳播
武漢工程大學(xué)學(xué)報(bào) 2018年4期2018-08-17
- 基于粒子群優(yōu)化的圖像自適應(yīng)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(cè)量特征尺度間的穩(wěn)定性.然而，這些基于多個(gè)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(yàn)，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(nèi)線性等分為20個(gè)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(jì)算機(jī)系統(tǒng) 2018年6期2018-07-04
- KAZE算法在巡線機(jī)器人障礙物檢測(cè)中的應(yīng)用
算法在非線性尺度空間中進(jìn)行特征點(diǎn)提取，利用最近鄰匹配準(zhǔn)則和RANSC算法對(duì)由M-SURF算法生成的特征向量進(jìn)行檢測(cè)．實(shí)驗(yàn)結(jié)果表明，基于KAZE算法的巡線機(jī)器人障礙物檢測(cè)效果較好，具有良好的的魯棒性．KAZE算法；巡線機(jī)器人；障礙物檢測(cè)；魯棒性輸電線路作為傳送電力的重要設(shè)備，其安全運(yùn)行關(guān)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(jī)器人的出現(xiàn)使輸電線路的檢測(cè)有了新方法，要想高效高質(zhì)量完成巡檢任務(wù)，需要深入研究設(shè)
- 基于窄基線的SIFT特征匹配目標(biāo)識(shí)別
驟：1)生成尺度空間；2)尺度空間中極值點(diǎn)的檢測(cè)；3)極值點(diǎn)的準(zhǔn)確定位；4)關(guān)鍵點(diǎn)中方向參數(shù)的指定；5)生成關(guān)鍵點(diǎn)描述子。1)生成尺度空間：在計(jì)算機(jī)視覺領(lǐng)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(jì)算機(jī)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(shí)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(shè)計(jì)本文從居住區(qū)域的規(guī)模、配套等方面，進(jìn)行配套公共設(shè)施的規(guī)劃方面，全方位談及居住區(qū)域的園林空間營(yíng)造的問題，以達(dá)到人們的高品質(zhì)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(jìn)行園林的居住區(qū)域空間的規(guī)劃設(shè)計(jì)，自古有之。例如明清時(shí)代的園林的設(shè)計(jì)，內(nèi)部包含了山水以及動(dòng)植物的要素，運(yùn)用藝術(shù)手段和工程技術(shù)的結(jié)合，通過對(duì)地形的改造，以及營(yíng)造出園林小品等方式，將自然環(huán)境進(jìn)行優(yōu)美的布設(shè)，因此我們才能看到今天的樓臺(tái)亭閣、花草樹木。與自然空間對(duì)比，園
魅力中國(guó) 2016年42期2017-07-05
- 基于SIFT算法的圖像配準(zhǔn)模型研究
，達(dá)到降低多尺度空間和減少特征點(diǎn)數(shù)量的目的，將當(dāng)前檢測(cè)到的特征點(diǎn)與最近更新的目標(biāo)模塊相匹配，從而更加魯棒性地應(yīng)對(duì)圖像的配準(zhǔn)問題?！娟P(guān)鍵字】 圖像 SIFT 尺度空間 適應(yīng)值引言圖像特征點(diǎn)是圖像中具有鮮明特性并能把圖像中的目標(biāo)物體識(shí)別出來的點(diǎn)[1][2]。特征點(diǎn)的信息含量較高，可以對(duì)處理提供足夠的約束，其數(shù)目相對(duì)于圖像像素點(diǎn)來說微不足道，這樣就可以提高計(jì)算速度，使實(shí)時(shí)處理成為可能。在特征點(diǎn)的提取和匹配方法中，David G. Lowe在2004年提出的一種基
中國(guó)新通信 2017年5期2017-04-13
- 一種改進(jìn)的視頻序列SIFT特征檢測(cè)方法*
,有效減少了尺度空間下的極值檢測(cè)時(shí)間,提高了SIFT算法效率。SIFT算法; 全局運(yùn)動(dòng)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(jì)算機(jī)視覺算法,用來檢測(cè)并描述圖像中的局部特征。算法構(gòu)建尺度空間,并在空間中尋找極值點(diǎn),計(jì)算其位置、尺度、旋轉(zhuǎn)不變量[1～2]。SIFT特征與圖像的大小、旋轉(zhuǎn)無關(guān),而是基于圖像局部的一些興趣點(diǎn),在噪聲、視角及光線
計(jì)算機(jī)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(cè)子非線性尺度空間的快速求解去除了噪聲,同時(shí)保證了圖像邊緣細(xì)節(jié),并將自適應(yīng)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(yīng)相結(jié)合,兼顧了檢測(cè)的準(zhǔn)確性與實(shí)時(shí)性;描述子交疊帶的構(gòu)建、規(guī)范微分響應(yīng)與非線性尺度空間約束的引入增強(qiáng)了描繪準(zhǔn)確性。通過與scale invariant feature tr
西北工業(yè)大學(xué)學(xué)報(bào) 2016年6期2017-01-03
- 基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法分析
9)基于曲率尺度空間的角點(diǎn)檢測(cè)圖像匹配算法分析任立勝，王立中(內(nèi)蒙古農(nóng)業(yè)大學(xué)職業(yè)技術(shù)學(xué)院，內(nèi)蒙古 包頭 014109)計(jì)算機(jī)技術(shù)的發(fā)展下，優(yōu)化提升圖像匹配算法，可以提升圖像檢測(cè)精度?；谇?span id="j5i0abt0b" class="hl">尺度空間的角點(diǎn)檢測(cè)圖技術(shù)，優(yōu)化設(shè)計(jì)圖像匹配算法，基于曲率尺度空間的角點(diǎn)檢測(cè)算法進(jìn)行圖像特征點(diǎn)的提取，歸一化處理特征點(diǎn)，有助于提高圖像匹配精度。利用該算法最終實(shí)現(xiàn)圖像匹配需求，驗(yàn)證了算法的有效性，改進(jìn)了圖像匹配中特征點(diǎn)過度分離的弊端，提高了圖像匹配檢測(cè)的整體精度約10.0
電子技術(shù)應(yīng)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(zhuǎn)化成符合尺度空間條件的圓形區(qū)域；最后，利用SIFT算法對(duì)獲得的圓形區(qū)域進(jìn)行仿射不變特征的提取與匹配。實(shí)驗(yàn)結(jié)果表明：RVCF算法能夠在大的視角和尺度變化下成功實(shí)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(jì)算機(jī)視覺領(lǐng)域中的重要部分，廣泛應(yīng)用于圖像拼接、目標(biāo)檢測(cè)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(xué)學(xué)報(bào) 2016年5期2016-11-16
- 快速穩(wěn)健的自適應(yīng)非線性尺度特征檢測(cè)子
,通過非線性尺度空間快速求解去除了噪聲同時(shí)保證了邊緣細(xì)節(jié),并將自適應(yīng)選取尺度空間組數(shù)、基于加速段檢驗(yàn)的自適應(yīng)通用角點(diǎn)檢測(cè)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(yīng)相結(jié)合,兼顧了檢測(cè)的準(zhǔn)確性與實(shí)時(shí)性。通過與尺度不變特征轉(zhuǎn)換(scale invariant feature transform,SIFT)檢
系統(tǒng)工程與電子技術(shù) 2016年11期2016-11-11
- 基于HESSIAN增強(qiáng)和形態(tài)學(xué)尺度空間的視網(wǎng)膜血管分割
增強(qiáng)和形態(tài)學(xué)尺度空間的視網(wǎng)膜血管分割于揮王小鵬(蘭州交通大學(xué)電子與信息工程學(xué)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(xué)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(duì)微小血管進(jìn)行檢測(cè)。為此提出一種基于改進(jìn)Hessian矩陣增強(qiáng)和形態(tài)學(xué)尺度空間的分割方法。首先利用高斯函數(shù)構(gòu)建多尺度Hessian增強(qiáng)濾波器，采用新型的血管相似性函數(shù)對(duì)血管網(wǎng)絡(luò)進(jìn)行對(duì)比度增強(qiáng)，同時(shí)平滑圖
計(jì)算機(jī)應(yīng)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(diǎn)檢測(cè)
伶?基于高斯尺度空間理論的ORB特征點(diǎn)檢測(cè)國(guó)家知識(shí)產(chǎn)權(quán)局專利局專利審查協(xié)作廣東中心 翟紫伶【摘要】針對(duì)當(dāng)前具有尺度不變性的實(shí)時(shí)特征點(diǎn)檢測(cè)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(diǎn)檢測(cè)方法。該方法在保持ORB算子具有旋轉(zhuǎn)不變性和檢測(cè)速度快的同時(shí)，還能檢測(cè)出多尺度下的特征點(diǎn)。通過實(shí)驗(yàn)驗(yàn)證該方法保證速度快的同時(shí)又具有尺度不變性，適用于尺度變化較大且要求實(shí)時(shí)性高的視頻拼接。【關(guān)鍵詞】ORB算子；尺度空間；圖像拼接；尺度不變性引言特征點(diǎn)檢測(cè)一直是機(jī)器
電子世界 2016年10期2016-07-01
- 圖像特征點(diǎn)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(cè)穩(wěn)定的極值點(diǎn)，以便提取出的特征點(diǎn)具有尺度不變信息;然后使用ORB描述符來描述特征點(diǎn)，生成旋轉(zhuǎn)不變性的二進(jìn)制描述符;最后實(shí)現(xiàn)特征點(diǎn)匹配。實(shí)驗(yàn)結(jié)果表明，SUORB有效地解決ORB的缺陷，在圖像尺度變化時(shí)，SUORB匹配算法比ORB匹配算法的準(zhǔn)確度明顯提高;同時(shí)SUORB和ORB兩種算法的匹配速度很接近。關(guān)鍵詞：特征點(diǎn)；匹配；尺度空間；組合算法0 引言圖像特征點(diǎn)匹配在目標(biāo)跟蹤、圖像拼接、模式識(shí)別等領(lǐng)域有著廣泛的應(yīng)用[1-
現(xiàn)代計(jì)算機(jī) 2016年10期2016-05-30
- 一種改進(jìn)的圖像局部不變特征提取方法
點(diǎn)時(shí)減少構(gòu)造尺度空間時(shí)所計(jì)算的響應(yīng)層個(gè)數(shù)，將求取對(duì)應(yīng)點(diǎn)響應(yīng)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(diǎn)周圍區(qū)域的Haar小波響應(yīng)進(jìn)行RGT變換，然后將特征點(diǎn)周圍區(qū)域劃分為多個(gè)同心圓，并統(tǒng)計(jì)特征點(diǎn)周圍圓形區(qū)域內(nèi)的響應(yīng)結(jié)果，最后利用小波響應(yīng)結(jié)果得到旋轉(zhuǎn)不變的特征描述子。實(shí)驗(yàn)結(jié)果表明，AR-SURF算法節(jié)省了時(shí)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(zhuǎn)不變性0 引 言近年隨著互聯(lián)網(wǎng)的發(fā)展和海量圖
計(jì)算機(jī)應(yīng)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(guó)土資源測(cè)繪院，廣東 廣州 510500； 2. 武漢大學(xué)，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(dòng)提取山
測(cè)繪通報(bào) 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(shí)。通過多尺度空間下的層級(jí)校準(zhǔn)，準(zhǔn)確定位多個(gè)尺度下的區(qū)域邊界進(jìn)行區(qū)域合并，從而得到更準(zhǔn)確的多層分割圖。關(guān)鍵詞：分層分割；降采樣歸一化割；尺度空間；層級(jí)校準(zhǔn)；區(qū)域合并DOIDOI：10.11907/rjdk.151428中圖分類號(hào)：TP317.4文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)文章編號(hào)：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(cè)問題是相關(guān)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(dǎo)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(gòu)建、關(guān)鍵點(diǎn)的檢測(cè)和精確定位、關(guān)鍵點(diǎn)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(jìn)行圖像的匹配。根據(jù)實(shí)驗(yàn)結(jié)果得出SIFT算法可以有效準(zhǔn)確地實(shí)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(jì)算機(jī)行業(yè)的不斷發(fā)展，二十世紀(jì)七十年代末MARR提出計(jì)算機(jī)視覺理論，認(rèn)為計(jì)算機(jī)視覺是一種信息處理的過程，經(jīng)過這一過程通過硬件計(jì)算機(jī)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(jì)算機(jī) 2015年5期2015-05-24
- 基于改進(jìn)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(guān)的數(shù)字媒體技術(shù)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(duì)各種技術(shù)也提出了更高的要求，要求其具有更快的響應(yīng)速度，更精確的檢索精度，這就需要對(duì)各種算法進(jìn)行改進(jìn)。基于內(nèi)容的圖像檢索有別于傳統(tǒng)的基于圖像標(biāo)題的檢索，是由用戶提供檢索關(guān)鍵字或樣圖，然后根據(jù)圖像的內(nèi)容，進(jìn)行相似度匹配，根據(jù)匹配程度進(jìn)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
- 基于顯著性與尺度空間的紅外弱小目標(biāo)檢測(cè)
獻(xiàn)［5］利用尺度空間濾波來優(yōu)化骨骼細(xì)化算法，該方法抗噪性穩(wěn)健且自適應(yīng)強(qiáng)，有效地提高了預(yù)處理速度;文獻(xiàn)［6］采用改進(jìn)的二維自適應(yīng)最小均方濾波窗口獲得預(yù)測(cè)背景，再利用背景減法差分出紅外小目標(biāo)，該算法有較強(qiáng)的背景抑制能力，可在調(diào)節(jié)自適應(yīng)尺度窗口時(shí)較為繁復(fù);文獻(xiàn)［7］提出了適用于目標(biāo)環(huán)境信息變化的檢測(cè)算法，該方法能有效地檢測(cè)出無先驗(yàn)知識(shí)的目標(biāo)，不足的是對(duì)多目標(biāo)檢測(cè)效果不好;文獻(xiàn)［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(jìn)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(jié)合的弱邊緣檢測(cè)算法研究
013）樣條尺度空間與Canny算子結(jié)合的弱邊緣檢測(cè)算法研究樊英平，邢輝，孟曉軍，修瑞云（中國(guó)人民解放軍69079部隊(duì)，新疆烏魯木齊830013）由于在單一尺度空間中，邊緣檢測(cè)算子不可能正確地檢測(cè)出所有滿足實(shí)際需要的邊緣，提出B?spline算子與Canny算子結(jié)合的邊緣檢測(cè)算法，首先用B?spline算子對(duì)圖像進(jìn)行多尺度空間處理，然后用Canny算子進(jìn)行邊緣檢測(cè)，給出了尺度空間的計(jì)算過程和實(shí)例，并以實(shí)拍復(fù)雜背景條件下紅外機(jī)場(chǎng)跑道為邊緣檢測(cè)實(shí)驗(yàn)對(duì)象，通過實(shí)
現(xiàn)代電子技術(shù) 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(biāo)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(biāo)跟蹤算法賈靜平, 夏宏, 謝萍(華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院, 北京 102206)摘要：在基于直方圖的序列圖像目標(biāo)跟蹤算法中,目標(biāo)的直方圖通常都是在跟蹤初始化時(shí)從目標(biāo)所在的區(qū)域獲得,然而單個(gè)直方圖難以適應(yīng)跟蹤全過程中目標(biāo)的各種變化。針對(duì)事先已知目標(biāo)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(gè)典型直方圖的線性加權(quán)來表示目標(biāo)的直方圖,根據(jù)目標(biāo)的當(dāng)前區(qū)域估計(jì)加權(quán)系數(shù),生
系統(tǒng)工程與電子技術(shù) 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(zhì)的概率分布計(jì)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(shí)驗(yàn)表明，該方法能快速有效地計(jì)算和表示體數(shù)據(jù)中物質(zhì)邊界的不確定信息.關(guān)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(yù)處理過程中會(huì)不可避免地導(dǎo)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(duì)象，提出了基于多尺度空間的邊界體元中多
- SIFT算法研究?jī)?nèi)容概述
法首先要尋找尺度空間中的極值點(diǎn)，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(diǎn)檢測(cè)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(diǎn)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(diǎn)，為了能有效的檢測(cè)到關(guān)鍵點(diǎn)，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(diǎn)檢測(cè)中有著較高的計(jì)算效率，并且和尺度歸一化的拉普
長(zhǎng)春大學(xué)學(xué)報(bào) 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(fù)*
070)基于尺度空間的小波紋理描述算法的壁畫修復(fù)*任小康，鄧琳凱(西北師范大學(xué)計(jì)算機(jī)科學(xué)與工程學(xué)院,甘肅 蘭州 730070)近年來，壁畫的數(shù)字化修復(fù)技術(shù)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(fù)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(jiǎn)單快速的壁畫修復(fù)算法。該算法在改進(jìn)的Telea算法的基礎(chǔ)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(duì)壁畫的紋理結(jié)構(gòu)進(jìn)行了修復(fù)處理，運(yùn)用非局部梯度算子，通過計(jì)算待修復(fù)區(qū)域的像素點(diǎn)的非局部
計(jì)算機(jī)工程與科學(xué) 2014年11期2014-09-13
- 我國(guó)區(qū)域經(jīng)濟(jì)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)和東北三省）、省（即31個(gè)省、直轄市、自治區(qū)）、城市群（即長(zhǎng)三角、珠三角、環(huán)渤海地區(qū)、中原城市群以及國(guó)家規(guī)劃的其他城市群）、特大中心城市（如主要省會(huì)城市和經(jīng)濟(jì)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(gè)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(chǎng)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(jì)顯著；小尺度空間的主
區(qū)域經(jīng)濟(jì)評(píng)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(yīng)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(duì)應(yīng)的關(guān)系。可以這樣認(rèn)為：原信號(hào)是經(jīng)過小波變換到不同尺度空間下的所有的信號(hào)的一種疊加，不同尺度空間上信號(hào)的細(xì)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(hào)噪聲的算法——盲小波算法：首先將一組相鄰的觀測(cè)信號(hào)分解到不同的尺度空間上，利用閾值法對(duì)相應(yīng)尺度空間下的小波系數(shù)進(jìn)行處理；然后在不同尺度空間下對(duì)信號(hào)進(jìn)行盲信號(hào)分離，分離出對(duì)應(yīng)尺度空間下的源信號(hào)；最后根據(jù)小波逆變換把尺度空間下
- 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(shè)計(jì)效果，對(duì)優(yōu)化園林景觀環(huán)境，創(chuàng)設(shè)配比協(xié)調(diào)的空間尺度有重要的實(shí)踐意義。關(guān)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(shè)理論研究 2012年16期2012-10-15
- 多尺度Harris角點(diǎn)檢測(cè)的FPGA實(shí)現(xiàn)
測(cè)算子與高斯尺度空間相結(jié)合,在多個(gè)尺度上進(jìn)行Harris角點(diǎn)的檢測(cè),使其具有尺度不變性。多尺度Harris角點(diǎn)檢測(cè)雖然克服了Harris算子只能在單一尺度下檢測(cè)角點(diǎn)的缺點(diǎn)，但是卻大大增加了計(jì)算量和計(jì)算時(shí)間，難以進(jìn)行實(shí)時(shí)處理。通過分析發(fā)現(xiàn)，雖然多尺度Harris角點(diǎn)檢測(cè)計(jì)算量很大，但是其結(jié)構(gòu)相對(duì)簡(jiǎn)單，適合利用現(xiàn)場(chǎng)可編程門陣列（FPGA，F(xiàn)ield Programmable Gate Array）來實(shí)現(xiàn)以提高處理速度[3-4]。本文充分考慮FPGA的結(jié)構(gòu)及多尺
通信技術(shù) 2012年11期2012-08-10
- 利用尺度空間下特征點(diǎn)進(jìn)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(diǎn)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(diǎn)提取問題。SIFT算法獨(dú)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(diǎn)位置，尺度，旋轉(zhuǎn)不變量。SIFT匹配算法分為以下幾個(gè)步驟。1.1.1 特征點(diǎn)的檢測(cè)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(cè)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(xué)理學(xué)院數(shù)學(xué)系,北京 100029)多分辨分析的概念在小波基構(gòu)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(gè)充要條件,并在此基礎(chǔ)之上得到了稠密性的兩個(gè)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(xiàn)[1]提
- 基于SAR景象不變特征點(diǎn)的匹配定位技術(shù)研究
算法是一種多尺度空間不變特征強(qiáng)點(diǎn)匹配方法，由D.G.Lowe 1999年提出，2004年完善總結(jié)［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(diǎn)，提取位置、尺度、旋轉(zhuǎn)不變量。SIFT算法主要分為4個(gè)步驟:1)檢測(cè)尺度空間極值點(diǎn);2)精確定位極值點(diǎn);3)為每個(gè)關(guān)鍵點(diǎn)指定方向參數(shù);4)關(guān)鍵點(diǎn)特征向量的生成。SIFT算法詳細(xì)步驟分別如下:1)尺度空間的生成在圖像處理領(lǐng)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(shí)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(diǎn)自動(dòng)提取方法
檢測(cè)圖像高斯尺度空間中穩(wěn)定的塊點(diǎn)(blob)，然后利用梯度方向直方圖計(jì)算特征點(diǎn)主方向并形成描述子，具有旋轉(zhuǎn)、尺度以及局部仿射和灰度不變性。文獻(xiàn)[9]將 SIFT應(yīng)用于遙感圖像配準(zhǔn)，并結(jié)合遙感圖像的特點(diǎn)改進(jìn)了匹配策略，取得了較好的效果。文獻(xiàn)[10]對(duì) SIFT在SAR圖像配準(zhǔn)中的應(yīng)用能力進(jìn)行了系統(tǒng)性的評(píng)價(jià)，指出SIFT可在多種成像條件下的SAR圖像間提取同名點(diǎn)。但由于SAR圖像復(fù)雜的成像條件，特別是斑點(diǎn)噪聲的存在，導(dǎo)致 SIFT檢測(cè)到大量的虛假特征點(diǎn)，這些點(diǎn)
電子與信息學(xué)報(bào) 2012年2期2012-04-29
- 基于SIFT和人機(jī)交互的遙感影像識(shí)別方法研究
現(xiàn)順序?yàn)闄z測(cè)尺度空間中的極值點(diǎn)、定位極值點(diǎn)的位置、確定特征點(diǎn)的方向、生成描述特征點(diǎn)的特征向量。1.1 檢測(cè)尺度空間極值點(diǎn)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(shí)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(biāo)；σ是尺度坐標(biāo)，σ值越小，表征該圖像被平滑得越少，相應(yīng)的尺度也就越小。大尺度對(duì)應(yīng)于圖像的概貌特征，小尺度對(duì)應(yīng)于圖像的細(xì)節(jié)特征。為了有效地在尺度空間檢測(cè)到穩(wěn)定的關(guān)
網(wǎng)絡(luò)安全與數(shù)據(jù)管理 2011年3期2011-01-22
- 尺度與特征引導(dǎo)視覺選擇性注意機(jī)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(qiáng)度、顏色和方向三種特征以及尺度引導(dǎo)注意,建立一個(gè)自下而上的結(jié)合尺度與特征引導(dǎo)的計(jì)算模型,并給出仿真實(shí)驗(yàn)結(jié)果。[JP]關(guān)鍵詞:協(xié)同模式識(shí)別;主動(dòng)視覺;視覺選擇性注意機(jī)制;尺度空間中圖分類號(hào):TP3910 引 言目前主動(dòng)視覺是機(jī)器視覺研究的熱點(diǎn)和發(fā)展方向。其核心內(nèi)容是為了完成給定的視覺任務(wù),如何主動(dòng)、智能、有選擇地獲取視覺信息;從計(jì)算的觀點(diǎn)來說,就是要建立視覺選擇性注意機(jī)制的計(jì)算模型,對(duì)圖像數(shù)據(jù)進(jìn)行顯著性
現(xiàn)代電子技術(shù) 2009年22期2010-06-22