-
题名基于局部聚类的改进运动网格统计算法的研究
被引量：3
- 1
-
-
作者
邱云飞
王媛媛
-
机构
辽宁工程技术大学软件学院
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第2期618-622,共5页
-
基金
国家自然科学基金资助项目(61404069)
辽宁省自然科学基金资助项目(2015020095)。
-
文摘
针对常用的匹配点筛选算法效率低、对具有角度和尺度变化匹配图像稳定性差等问题,提出一种基于局部聚类的改进网格运动统计特征点筛选算法。首先,通过局部区域抑制算法筛选响应强度较高且成对出现特征点作为种子点,并以种子点为聚类中心分割图像,得到最小外接矩形作为运动网格;随后把运动网格划分为3×3邻域支持估计量网格,计算运动网格在不同方向上的梯度最大值,作为运动网格的主方向;最后,把待匹配图像邻域支持估计量网格旋转至目标图像运动网格的主方向位置,借助网格运动统计算法筛选匹配。实验表明:对具有JPEG压缩变换、光照变化、模糊变换的匹配图像,所提算法匹配正确率在90%以上;对具有旋转和尺度变换图像,所提算法匹配正确率相较运动网格统计算法提高10%左右,高达40%以上;算法耗时仅为13 min,效率较高;所提算法可稳定高效地筛选正确的匹配点。
-
关键词
运动网格统计算法
局部区域抑制算法
种子点
局部聚类
运动网格梯度主方向
-
Keywords
grid-based motion statistics algorithm
local region suppression algorithm
seed point
local clustering
main direction of the grid-based motion gradient
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于深度学习的图像特征匹配方法
被引量：6
- 2
-
-
作者
徐梦莹
刘文波
郑祥爱
蔡超
-
机构
南京航空航天大学自动化学院
高速载运设施的无损检测监控技术工业和信息化部重点实验室
-
出处
《传感器与微系统》
CSCD
北大核心
2022年第7期61-64,共4页
-
基金
国家重点研发计划资助项目(2018YFB2003304)
国家自然科学基金资助项目(61871218)
南京航空航天大学研究生创新基地(实验室)开放基金资助项目(KFJJ20190306)。
-
文摘
针对同一场景或同一物体的两组或多组图像的匹配问题,提出了一种基于深度学习的图像特征匹配方法。首先用SuperPoint网络框架提取图像特征点,在最近邻次近邻比值法的基础上通过网络运动统计(GMS)算法区分正确匹配点和错误匹配点,最后采用随机抽样一致性(RANSAC)算法进一步剔除误匹配点对。实验结果表明:所提算法在图像发生光照以及视角变化时平均匹配确正确率达到95%以上,具有较好的匹配识别率和鲁棒性。
-
关键词
深度学习
SuperPoint
网格运动统计算法
随机抽样一致性算法
-
Keywords
deep learning
SuperPoint
grid-based motion statistics(GMS)algorithm
random sample consensus(RANSAC)algorithm
-
分类号
TP391.5
[自动化与计算机技术—计算机应用技术]
-
