期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到331篇文章
< 1 2 … 17 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多尺度特征提取的Transformer短期风电功率预测
1
作者 徐武 范鑫豪 +1 位作者 沈智方 刘洋 《太阳能学报》 北大核心 2025年第2期640-648,共9页
针对短期风电功率预测特征提取尺度单一问题,设计一种基于多尺度特征提取的Transformer短期风电功率预测模型(MTPNet)。首先,在Transformer构架的基础上,利用维数不变嵌入,设计多尺度特征提取网络挖掘风电功率序列本身时序特征,保证了... 针对短期风电功率预测特征提取尺度单一问题,设计一种基于多尺度特征提取的Transformer短期风电功率预测模型(MTPNet)。首先,在Transformer构架的基础上,利用维数不变嵌入,设计多尺度特征提取网络挖掘风电功率序列本身时序特征,保证了特征提取时维数不被破坏;其次,利用融合自注意力机制的长短期记忆网络挖掘气象条件与功率之间的全局依赖关系;最后,融合风电功率序列本身时序特征和气象条件依赖关系,实现短期风电功率预测。实例仿真结果表明,MTPNet模型预测精度得到提升;消融实验证明了模型各模块的可靠性和有效性,具有一定的实用价值。 展开更多
关键词 风电功率预测 transformER 注意力机制 特征提取 长短期记忆网络 维数不变嵌入层
在线阅读 下载PDF
基于改进3DSIFT算法的点云配准方法
2
作者 张平均 赵浩 《激光与红外》 北大核心 2025年第2期296-303,共8页
点云配准是三维数据处理的一个关键步骤。针对配准过程中特征点代表性和描述性弱导致配准效率低的问题,本文提出了一种基于改进三维尺度不变特征(3DSIFT)算法的点云配准方法。首先,结合信息熵理论对3DSIFT算法提取出的特征点进行精简,... 点云配准是三维数据处理的一个关键步骤。针对配准过程中特征点代表性和描述性弱导致配准效率低的问题,本文提出了一种基于改进三维尺度不变特征(3DSIFT)算法的点云配准方法。首先,结合信息熵理论对3DSIFT算法提取出的特征点进行精简,保留代表性和描述性强的点作为待配准点;其次,对特征点添加唯一形状上下文(USC)描述;然后,基于渐近采样一致性(PROSAC)算法完成粗匹配;最后,对源点云和目标点云建立双向KD树以减少搜索时间,加速迭代最近点(ICP)完成精配准。实验结果表明,与3种比较算法相比,该方法的平均配准误差分别降低了87.2%、61.3%、22.5%,且配准后的点云重叠率更高。 展开更多
关键词 点云配准 三维尺度不变特征(3Dsift) 特征点精简 唯一形状上下文(USC)
在线阅读 下载PDF
基于SIFT特征点提取的ICP配准算法 被引量：3
3
作者 钱博 宋玺钰 《沈阳理工大学学报》 CAS 2024年第3期48-54,共7页
为解决传统迭代最近点(ICP)算法对点云配准的起始点对选择不佳而导致配准时间长、效率低的问题,提出一种基于尺度不变特征变换(SIFT)特征点提取的ICP点云配准算法(ST-ICP)。首先使用SIFT算法进行原始点云与目标点云的SIFT特征点提取,根... 为解决传统迭代最近点(ICP)算法对点云配准的起始点对选择不佳而导致配准时间长、效率低的问题,提出一种基于尺度不变特征变换(SIFT)特征点提取的ICP点云配准算法(ST-ICP)。首先使用SIFT算法进行原始点云与目标点云的SIFT特征点提取,根据提取特征点完成快速点特征直方图(FPFH)特征运算,通过采样一致性初始配准算法(SAC-IA)搜索对应点对、求解变换矩阵,再进一步运用ICP算法进行点云精细配准。实验结果表明:与ICP算法相比较,ST-ICP算法的配准误差在迭代次数为5次时减小了1.019 cm,迭代次数为10次时减小了0.443 cm;在配准误差达到10^(-2) cm级别时,ST-ICP算法所用时间比传统ICP算法减少了12.829 s。ST-ICP算法优化了对应点对的选择,提升了配准精度和配准效率。 展开更多
关键词 点云配准 迭代最近点算法 尺度不变特征变换 特征点 快速点特征直方图
在线阅读 下载PDF
基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估
4
作者 陈羽中 陈友昆 +1 位作者 林闽沪 牛玉贞 《电子学报》 EI CAS CSCD 北大核心 2024年第7期2242-2256,共15页
与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上... 与从现实场景中拍摄的自然图像不同,屏幕内容图像是一种合成图像,通常由计算机生成的文本、图形和动画等各种多媒体形式组合而成.现有评估方法通常未能充分考虑图像边缘结构信息和全局上下文信息对屏幕内容图像质量感知的影响.为解决上述问题,本文提出一种基于边缘辅助和多尺度Transformer的无参考屏幕内容图像质量评估模型.首先,使用高斯拉普拉斯算子构造由失真屏幕内容图像高频信息组成的边缘结构图,然后通过卷积神经网络(Convolutional Neural Network,CNN)对输入的失真屏幕内容图像和相应的边缘结构图进行多尺度的特征提取与融合,以图像的边缘结构信息为模型训练提供额外的信息增益.此外,本文进一步构建了基于Transformer的多尺度特征编码模块,从而在CNN获得的局部特征基础上更好地建模不同尺度图像和边缘特征的全局上下文信息.实验结果表明,本文提出的方法在指标上优于其他现有的无参考和全参考屏幕内容图像质量评估方法,能够取得更高的主客观视觉感知一致性. 展开更多
关键词 无参考屏幕内容图像质量评估 高斯拉普拉斯算子 卷积神经网络 transformER 多尺度特征
在线阅读 下载PDF
结合沙漏注意力与渐进式混合Transformer的图像分类方法
5
作者 彭晏飞 崔芸 +1 位作者 陈坤 李泳欣 《液晶与显示》 CAS CSCD 北大核心 2024年第9期1223-1232,共10页
Transformer在图像分类任务中具有广泛应用,但在小数据集分类任务中,Transformer受到数据量较少、模型参数量过大等因素的影响,导致分类精度低、收敛速度缓慢。本文提出了一种融合沙漏注意力的渐进式混合Transformer模型。首先,通过下-... Transformer在图像分类任务中具有广泛应用,但在小数据集分类任务中,Transformer受到数据量较少、模型参数量过大等因素的影响,导致分类精度低、收敛速度缓慢。本文提出了一种融合沙漏注意力的渐进式混合Transformer模型。首先,通过下-上采样的沙漏自注意力建模全局特征关系,利用上采样补充下采样操作丢失的信息,同时采用可学习温度参数和负对角掩码锐化注意力的分数分布,避免因层数过多产生过度平滑的现象;其次,设计渐进式下采样模块获得细粒度多尺度特征图,有效捕获低维特征信息;最后,使用混合架构,在顶层阶段使用设计的沙漏注意力,底层阶段使用池化层替代注意力模块,并引入带有深度卷积的层归一化,增加网络局部性。所提方法在T-ImageNet、CIFAR10、CIFAR100、SVHN数据集上进行实验,分类精度可以达到97.42%,计算量和参数量分别为3.41G和25M。实验结果表明,与对比算法相比,该方法的分类精度有明显提升,计算量和参数量有明显降低,提高了Transformer模型在小数据集上的性能表现。 展开更多
关键词 小数据集图像分类 transformER 沙漏注意力 多尺度特征 混合架构
在线阅读 下载PDF
卷积神经网络与视觉Transformer联合驱动的跨层多尺度融合网络高光谱图像分类方法 被引量：3
6
作者 赵凤 耿苗苗 +2 位作者 刘汉强 张俊杰 於俊 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第5期2237-2248,共12页
高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复... 高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复杂多样的结构,且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性,该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先,从结合CNN与视觉Transformer的角度出发,设计了跨层多尺度局部-全局特征提取模块分支,其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说,卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取,从而增强网络对不同尺度地物的关注。进一步地,跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息,以综合考虑地物的浅层纹理信息和深层结构信息。其次,构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后,为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘,设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。 展开更多
关键词 高光谱图像分类 卷积神经网络 视觉transformer 多尺度特征 融合网络
在线阅读 下载PDF
基于FPDE-SIFT的声呐干涉图像配准方法
7
作者 刘伟陆 周天 +1 位作者 闫振宇 杜伟东 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第1期101-108,共8页
图像配准是声呐进行高精度干涉测量的保障,该文针对水下目标的声呐图像配准,提出了一种基于4阶偏微分方程尺度不变特征变换的声呐干涉图像配准方法。该方法聚焦声呐图像配准的难点,首先基于4阶偏微分方程构建尺度空间,在保持图像细节的... 图像配准是声呐进行高精度干涉测量的保障,该文针对水下目标的声呐图像配准,提出了一种基于4阶偏微分方程尺度不变特征变换的声呐干涉图像配准方法。该方法聚焦声呐图像配准的难点,首先基于4阶偏微分方程构建尺度空间,在保持图像细节的前提下滤除噪声,提高特征提取的准确度;对于残余噪声造成的特征点误检,借助特征点的相位一致性信息加以筛选,精简特征点样本集;最后对特征点匹配策略进行优化,提出改进的快速样本一致性匹配策略剔除特征点的误匹配。算法增加了匹配点对的数量,提高了匹配点对的准确度,实现了声呐干涉图像的精确配准。水池实验和外场试验表明,该文所提出的算法相较现有算法对声呐图像有着更好的适用性,配准后的均方根误差与留一法均方根均小于1像素,达到了亚像素配准精度。 展开更多
关键词 声呐图像配准 尺度不变特征变换 偏微分方程 相位一致性 快速样本一致性
在线阅读 下载PDF
融合Transformer和DeepLabv3+的电力线语义分割网络
8
作者 秦伦明 王朝举 +2 位作者 边后琴 崔昊杨 王悉 《现代电子技术》 北大核心 2024年第17期109-116,共8页
为解决目前语义分割算法在电力线分割领域存在预测速度缓慢和分割精度不高的双重问题,提出一种电力线分割网络STDC-DeepLabv3+。首先,为提升网络预测速度,在编码器部分采用Swin Transformer V2设计轻量化的主干特征提取网络;其次,为提... 为解决目前语义分割算法在电力线分割领域存在预测速度缓慢和分割精度不高的双重问题,提出一种电力线分割网络STDC-DeepLabv3+。首先,为提升网络预测速度,在编码器部分采用Swin Transformer V2设计轻量化的主干特征提取网络;其次,为提高分割精度,针对电力线的细长结构以及贯穿整幅图片的特点,提出动态蛇形空间金字塔池化(DSASPP)模块,同时,在解码器部分设计多尺度特征融合模块,使网络更好地利用不同层次的语义信息提取电力线特征,减少网络对电力线的漏分割现象;最后,引入坐标注意力(CA)机制减少背景干扰,进一步提升分割的准确率。实验结果表明,改进后的算法平均交并比(MIoU)和平均像素精度(MPA)分别达到了84.18%和92.85%,与现有分割算法相比,分割精度和预测速度均有所提升,预测速度与DeepLabv3+相比提升了93.92%。 展开更多
关键词 电力线分割 transformER DeepLabv3+ 多尺度特征融合 编码器 解码器 坐标注意力机制
在线阅读 下载PDF
基于Swin Transformer的地震相识别模型 被引量：1
9
作者 硕良勋 李志轩 +2 位作者 柴变芳 王天意 郑晓东 《天然气工业》 EI CAS CSCD 北大核心 2024年第12期63-72,共10页
地震相识别是油气勘探开发过程中的一项重要技术,但该技术长期存在方法模型训练速度较慢、预测耗时、解释结果人为主观性较强,以及各层特征提取忽略多尺度特征等问题。为此,针对目前地震相识别精度不够且计算成本高的问题,构建了一个基... 地震相识别是油气勘探开发过程中的一项重要技术,但该技术长期存在方法模型训练速度较慢、预测耗时、解释结果人为主观性较强,以及各层特征提取忽略多尺度特征等问题。为此,针对目前地震相识别精度不够且计算成本高的问题,构建了一个基于Swin Transformer的地震相识别模型(Seismic Facies Identification based on Swin Transformer,SFI-ST),首先联合卷积神经网络,利用编码器和解码器不断捕捉地震相细节特征,然后采用两种不同的数据集测试并评估模型的有效性,同时考虑到数据集划分对模型的影响,针对不同划分比例进行性能分析对比,最后对模型进行了消融实验以及抗噪性分析。研究结果表明:①编码器使用的Swin Transformer模块具有较好的特征提取能力,基于较小移动窗口进行特征提取的策略保证模型更快地学习高分辨率地震剖面特征,在各移动窗口使用自注意力机制计算特征的方法保证模型在较大视野下更准确地提取局部特征;②Swin Transformer使用逐层特征融合的方式,在提升特征提取速度的同时保证模型获取更多尺度的特征;③融合Swin Transformer和卷积神经网络模块实现各层特征提取,增强了模型对轮廓、边缘的提取能力。结论认为:①SFI-ST模型应用于两工区数据上的平均交并比分别为73.2%和77.6%,相较于其他主流深度学习算法至少分别提升了10.7%和6.0%,SFI-ST模型运行时间分别为0.62 h和2.88 h,相较于其他主流深度学习算法至少减少了15.1%和24.2%;②SFI-ST模型一定程度上解决了现有地震相智能识别方法识别速度慢、精度低等问题,为地震相识别提供了新方法,在技术上助力了油气勘探开发进程。 展开更多
关键词 地震相识别 语义分割模型 Swin transformer 多尺度特征 油气藏预测
在线阅读 下载PDF
融合卷积和Transformer的多尺度皮肤病变分割算法
10
作者 蒋新辉 李筱林 +1 位作者 韦春苗 覃镇锋 《无线电工程》 2024年第3期670-678,共9页
皮肤病变自动分割对协助医生临床诊断、治疗及术后观察都具有非常重要的意义。现有卷积擅长建立局部相关性但无法捕获像素长程依赖关系,而Tansformer可以建立特征信息的全局依赖关系但会造成局部细节信息丢失。因此,提出了一种融合卷积... 皮肤病变自动分割对协助医生临床诊断、治疗及术后观察都具有非常重要的意义。现有卷积擅长建立局部相关性但无法捕获像素长程依赖关系,而Tansformer可以建立特征信息的全局依赖关系但会造成局部细节信息丢失。因此,提出了一种融合卷积和Transformer的多尺度自动分割网络。采用ResNet34作为基础编码块,利用其金字塔结构建立病灶的多级局部相关性;采用Swin Transformer模块捕获上下文特征的长程依赖关系,考虑到病灶形状多变、大小不一等情况,提出多尺度特征聚合模块来进一步提取上下文特征多尺度信息;采用具有注意力机制的解码块逐步融合编码块提取到的多级语义信息。实验结果表明,所提模型在ISIC 2017数据集上测试所得的Dice系数分别高达89.55%,FPS高达83,与其他先进模型相比,本模型参数更少、推理速度更快、精度更高。 展开更多
关键词 图像处理 Swin transformer 多尺度特征聚合模块 注意力机制
在线阅读 下载PDF
基于SIFT特征点提取算法的三维数字影像重建方法
11
作者 李静 《吉林大学学报（信息科学版）》 CAS 2024年第5期901-907,共7页
针对在数字影像三维重建过程中,由于原始数据中存在噪声和失真等不足,导致特征匹配效率和精度较低的问题,提出基于SIFT(Scale-Invariant Feature Transform)特征点提取算法的三维数字影像重建方法。采用双边滤波算法对数字影像中的环境... 针对在数字影像三维重建过程中,由于原始数据中存在噪声和失真等不足,导致特征匹配效率和精度较低的问题,提出基于SIFT(Scale-Invariant Feature Transform)特征点提取算法的三维数字影像重建方法。采用双边滤波算法对数字影像中的环境噪声实施消除处理,并保留数字影像的边缘信息,提高特征点提取精度;通过尺度不变特征转换(SIFT)算法对其提取特征点,得到数字影像的特征点对;将该特征点对作为初始面片,利用空间目标多视影像密集匹配方法,实现对数字影像的三维重建。实验结果表明,所提方法特征匹配效率和匹配精度高,且降噪能力强,生成的三维重建影像所需平均时间为26.74 ms。 展开更多
关键词 sift算法 双边滤波 去噪 特征匹配 三维重建
在线阅读 下载PDF
基于SIFT-GMLBP的动态图像视觉信息提取研究
12
作者 郑蔚 《现代电子技术》 北大核心 2024年第19期83-86,共4页
为了精确地提取动态图像特征,为动画设计师提供更全面、更准确的视觉信息,文中提出基于SIFT-GMLBP的动态图像视觉信息提取方法。以关键点为像素中心,采用局部二值模式(LBP),通过比较其与邻域的灰度值获取LBP码,实现动态图像局部纹理特... 为了精确地提取动态图像特征,为动画设计师提供更全面、更准确的视觉信息,文中提出基于SIFT-GMLBP的动态图像视觉信息提取方法。以关键点为像素中心,采用局部二值模式(LBP),通过比较其与邻域的灰度值获取LBP码,实现动态图像局部纹理特征捕捉;根据网格化LBP(MLBP)进一步将动态图像中的像素邻域划分为多个网格,使每个网格产生一个LBP值,降低特征向量的维数;结合Gabor滤波器,通过多尺度和多方向的纹理分析,提取动态图像在不同频率和方向上的局部结构信息,整合所有Gabor滤波器响应图像的GMLBP特征,形成包含原始动态图像在不同尺度和方向上的丰富纹理信息的特征向量。实验结果表明:该方法提取的关键点数量和分布非常合理,具有较高的稳定性和动态信息捕获能力,且该方法每秒能够处理高达30帧的图像。 展开更多
关键词 sift LBP MLBP GABOR小波变换 动态图像 局部特征 特征向量 视觉信息提取
在线阅读 下载PDF
基于金字塔结构的Transformer边缘检测算法研究
13
作者 段续延 于复兴 索依娜 《现代电子技术》 北大核心 2024年第19期131-138,共8页
针对复杂图像边缘检测任务中多尺度特征提取困难和多尺度特征利用率低的问题,提出一种基于金字塔结构的Transformer边缘检测模型。该模型首先采用擅长根据全局远程依赖关系进行建模的Transformer特征提取主干——PVT网络,取代传统卷积... 针对复杂图像边缘检测任务中多尺度特征提取困难和多尺度特征利用率低的问题,提出一种基于金字塔结构的Transformer边缘检测模型。该模型首先采用擅长根据全局远程依赖关系进行建模的Transformer特征提取主干——PVT网络,取代传统卷积神经网络,解决多尺度特征利用率低的问题;其次,为了充分考虑跨层间上下文特征交互问题,设计了一个专门用来建模和转移上下文知识的模块,用于探索更多显著边缘的判别信息;最后,设计了一个基于注意力机制的多尺度特征增强模块,通过充分挖掘检测对象的多层次和多尺度特征信息,实现对边缘的预测,提高模型边缘检测精度。而且,模型的特征求和与拼接过程不占显存也不占内存,加快了模型的推理速度。在BSDS500和BIPED两个公开数据集上进行大量实验,在BSDS500数据集上边缘检测的ODS值达到0.796;在BIPED数据集上边缘检测的ODS值达到了0.846,实验结果表明该算法在性能上优于对比模型。 展开更多
关键词 边缘检测 transformER 多尺度特征提取 卷积神经网络 PVT 多尺度特征增强
在线阅读 下载PDF
基于单目RGB图像的三维手部姿态估计方法
14
作者 杨冰 徐楚阳 +1 位作者 姚金良 向学勤 《浙江大学学报(工学版)》 北大核心 2025年第1期18-26,共9页
现有的三维手部姿态估计方法大多基于Transformer技术,未充分利用高分辨率下的局部空间信息,为此提出基于改进FastMETRO的三维手部姿态估计方法.引入可变形注意力机制,使得编码器的设计不再受限于图像特征序列长度;引入交错更新多尺度... 现有的三维手部姿态估计方法大多基于Transformer技术,未充分利用高分辨率下的局部空间信息,为此提出基于改进FastMETRO的三维手部姿态估计方法.引入可变形注意力机制,使得编码器的设计不再受限于图像特征序列长度;引入交错更新多尺度特征编码器来融合多尺度特征,强化生成手部姿态;引入图卷积残差模块来挖掘网格顶点间的显式语义联系.为了验证所提方法的有效性,在数据集FreiHAND、HO3D V2和HO3D V3上开展训练及评估实验.结果表明,所提方法的回归精度优于现有先进方法,在FreiHAND、HO3D V2、HO3D V3上的普鲁克对齐-平均关节点误差分别为5.8、10.0、10.5 mm. 展开更多
关键词 三维手部姿态估计 transformER 可变形注意力机制 交错更新多尺度特征编码器 神经网络
在线阅读 下载PDF
Contourlet-SIFT特征匹配算法 被引量：18
15
作者 陈抒瑢 李勃 +1 位作者 董蓉 陈启美 《电子与信息学报》 EI CSCD 北大核心 2013年第5期1215-1221,共7页
基于局部特征的匹配算法中SIFT(Scale Invariant Feature Transform)算法性能好,应用广泛,但其描述子的维度高、匹配耗时大,对局部相似区域的匹配鲁棒性差。为此,该文提出一种Contourlet-SIFT特征匹配算法。在尺度空间下提取旋转不变特... 基于局部特征的匹配算法中SIFT(Scale Invariant Feature Transform)算法性能好,应用广泛,但其描述子的维度高、匹配耗时大,对局部相似区域的匹配鲁棒性差。为此,该文提出一种Contourlet-SIFT特征匹配算法。在尺度空间下提取旋转不变特征,对特征及其邻域进行Contourlet变换,由各方向子带分解系数的均值和标准差构建全局纹理描述向量,根据向量间欧氏距离的大小进行特征点排序,选取距离较小的前1%的特征再进行SIFT最近邻比值匹配。实验结果表明该算法对亮度差异大、相似区域多的图像的匹配性能优于SIFT,在保证尺度、旋转、视角等不变性与SIFT相当的同时,匹配速度大为提升。 展开更多
关键词 图像处理 特征匹配 尺度不变特征变换 CONTOURLET变换 全局纹理信息
在线阅读 下载PDF
高实时性F-SIFT图像拼接算法 被引量：26
16
作者 何宾 陶丹 彭勃 《红外与激光工程》 EI CSCD 北大核心 2013年第S02期440-444,共5页
大场景视频拼接技术被广泛地应用于不同的领域,其应用要求精度高,实时性好。在对频域相关法、基于SIFT的图像拼接算法等方法进行深入研究的基础上,对其在配准精度、速度等方面进行改进与融合,提出一种具有高拼接性能、适应实时性拼接需... 大场景视频拼接技术被广泛地应用于不同的领域,其应用要求精度高,实时性好。在对频域相关法、基于SIFT的图像拼接算法等方法进行深入研究的基础上,对其在配准精度、速度等方面进行改进与融合,提出一种具有高拼接性能、适应实时性拼接需求的F-SIFT图像拼接算法。该算法结合基于区域的图像配准方法和基于特征的SIFT两者优势,采用基于子图像块的频域相位相关算法,兼顾FFT的快速运算特点,提高图像拼接算法运算速度。实验对算法进行测试,验证F-SIFT算法的有效性。 展开更多
关键词 视频拼接 图像拼接 图像配准 尺度不变特征变换 傅里叶变换
在线阅读 下载PDF
基于SIFT的图像配准方法 被引量：69
17
作者 刘小军 杨杰 +1 位作者 孙坚伟 刘志 《红外与激光工程》 EI CSCD 北大核心 2008年第1期156-160,共5页
针对大尺度图像配准和不同传感器图像配准问题,介绍了一种基于SIFT的图像配准方法。首先提取图像中适应尺度变化的不变特征点,在提取过程中加入多尺度Harris检测算子,提高了匹配点对的重复率,通过聚类和归一化互信息准则对候选匹配点对... 针对大尺度图像配准和不同传感器图像配准问题,介绍了一种基于SIFT的图像配准方法。首先提取图像中适应尺度变化的不变特征点,在提取过程中加入多尺度Harris检测算子,提高了匹配点对的重复率,通过聚类和归一化互信息准则对候选匹配点对的角度、尺度和位置特征进行迭代筛选,删除错误的匹配点对,最后得到正确的匹配点对,对图像进行配准。实验结果表明:该方法能处理相似变换的图像配准。 展开更多
关键词 尺度不变特征变换 图像配准 多尺度Harris角点检测 归一化互信息
在线阅读 下载PDF
图像多尺度配准的小波域SIFT方法 被引量：10
18
作者 武建明 田铮 +1 位作者 刘向增 延伟东 《西北工业大学学报》 EI CAS CSCD 北大核心 2011年第1期17-21,共5页
当SIFT(Scale Invariant Feature Transformation)方法应用于局部场景发生变化的图像时,在特征匹配中会产生错误匹配,文章提出了图像多尺度配准的小波域SIFT方法。该方法利用低分辨上变换参数剔除了错误匹配,提高了正确匹配率。模拟实... 当SIFT(Scale Invariant Feature Transformation)方法应用于局部场景发生变化的图像时,在特征匹配中会产生错误匹配,文章提出了图像多尺度配准的小波域SIFT方法。该方法利用低分辨上变换参数剔除了错误匹配,提高了正确匹配率。模拟实验结果表明该方法在外点数目和正确匹配率方面优于原SIFT方法。最后,通过与原方法的对比分析,验证了该方法应用于震前震后多光谱图像的可行性。 展开更多
关键词 图像处理 小波变换 参数估计 图像多尺度配准 sift
在线阅读 下载PDF
基于大尺度双边SIFT的SAR图像同名点自动提取方法 被引量：21
19
作者 王山虎 尤红建 付琨 《电子与信息学报》 EI CSCD 北大核心 2012年第2期287-293,共7页
针对SIFT应用于SAR图像同名点自动提取的问题,该文提出了一种新的基于各向异性尺度空间的同名点提取方法。该方法首先基于双边滤波器建立图像的各向异性尺度空间,在滤除斑点噪声的同时保留了图像细节;然后利用SIFT在大尺度上检测并描述... 针对SIFT应用于SAR图像同名点自动提取的问题,该文提出了一种新的基于各向异性尺度空间的同名点提取方法。该方法首先基于双边滤波器建立图像的各向异性尺度空间,在滤除斑点噪声的同时保留了图像细节;然后利用SIFT在大尺度上检测并描述特征,弱化了斑点噪声对匹配的影响;最后采用双向匹配策略建立同名点,提高了正确匹配的概率。该方法在保持同名点精度的同时增加了同名点的数量。通过不同时相、不同极化、不同波段以及不同视角下的SAR图像同名点提取实验,验证了该方法的优越性和适应性。 展开更多
关键词 SAR图像 同名点提取 双边滤波器 尺度不变特征变换(sift)
在线阅读 下载PDF
采用稀疏SIFT特征的车型识别方法 被引量：13
20
作者 张鹏 陈湘军 +1 位作者 阮雅端 陈启美 《西安交通大学学报》 EI CAS CSCD 北大核心 2015年第12期137-143,共7页
针对实际应用中因图像清晰度低等因素导致的车型识别误差过大的问题,提出了一种基于稀疏尺度不变转换特征(sparse scale invariant feature transform,S-SIFT)的车型识别方法。该方法用背景建模方法检测交通视频运动目标,提取目标SIFT特... 针对实际应用中因图像清晰度低等因素导致的车型识别误差过大的问题,提出了一种基于稀疏尺度不变转换特征(sparse scale invariant feature transform,S-SIFT)的车型识别方法。该方法用背景建模方法检测交通视频运动目标,提取目标SIFT特征;通过L1约束计算出SIFT特征的稀疏编码,并用最大池化方法降低稀疏编码维度,在线性SVM分类器中完成车型分类,弥补了背景建模方法识别误差过大、不具备车型分类功能的缺陷。经G36高速公路实际应用表明:算法对车辆场景识别率可达98%以上,车型识别准确率可达89%以上,对低清晰度、不同视角、雨雪、遮挡等场景有很好的鲁棒性;图像平均处理时间不超过40ms,可满足系统对实时性的要求,在准确率和时间效率两方面均明显优于传统的SIFT方法和HOG方法。 展开更多
关键词 深度学习 车型识别 稀疏特征 尺度不变转换特征 线性支持向量机分类
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 17 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部