2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、圖像配準是數(shù)字圖像處理領域的基本問題,用于比較或融合針對同一對象在不同條件下獲取的圖像,包括對象或場景識別、根據(jù)多張圖像的3D建模、立體匹配以及運動追蹤等,它是圖像從獲取到分析過程中的重要步驟。圖像配準技術在諸多方面,例如機器視覺、醫(yī)學圖像處理、軍事領域以及材料力學等領域都有廣泛的應用。
  本文主要研究基于尺度不變特征變換(Scale Invariant Feature Transform,SIFT)的圖像特征匹配算法。SIFT

2、算法提取的特征點對圖像的相似變換無關,對光線、噪聲、微視角改變有較好的容忍度。但是SIFT特征點描述子同時具有計算復雜、維數(shù)高、匹配速度慢等缺點。對此,本文提出了一種基于向量內(nèi)積的最近鄰搜索算法。首先引入合適的、隨著待檢索點動態(tài)變化的參考向量,通過直接提取特征點描述子矩陣的數(shù)據(jù)來獲得樣本集與它的內(nèi)積,排序所提取的數(shù)列。然后,確定待檢索點與向量的內(nèi)積,在對應的內(nèi)積序列中查找位置,確定以所在位置為中心的近似搜索范圍,由范圍內(nèi)的近似最近鄰搜索

3、代替在樣本集中的全范圍搜索,以較小的準確度損失為代價,大幅提高搜索速度。
  為了驗證本文算法的有效性與優(yōu)點,將算法與常用的近似最近鄰搜索算法KD-BBF算法對牛津大學VGG實驗室的圖片測試庫進行了試驗對比,并從匹配速度、正確匹配數(shù)量、準確度三方面進行比較評估。試驗結果表明,選擇適當?shù)慕谱罱徦阉鞣秶?,本文算法相比于KD-BBF算法顯著提升了的搜索速度,而只付出了損失較小正確匹配數(shù)量的代價。同時,本文還利用所提出的算法完成了圖像

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論