基于压缩感知与尺度不变特征变换的图像配准算法
尺度不变特征变换(SIFT)算法是图像配准中一种用来描述局部特征最稳健,使用最广泛的方法.针对存在关键点特征描述向量维数较高,算法计算复杂的问题,提出了一种基于稀疏随机投影(SRP)与SIFT相结合的图像配准算法,该算法把压缩感知理论的稀疏特征表示概念引入SIFT算法中,即SRP-SIFT,用稀疏特征表示方法对SIFT关键点特征向量进行提取,再使用相应的L1距离度量进行特征向量的匹配.对新算法和相关SIFT算法进行了图像配准实验,实验结果表明,SRP-SIFT算法对包含复杂结构内容的图像配准性能优于传统SIFT算法,配准效率与几种改进的SIFT算法相当,但运算速度比传统SIFT算法和几种改进的SIFT算法有明显提高.
图像处理、尺度不变特征变换、压缩感知、特征提取、稀疏随机投影
34
TP391.4(计算技术、计算机技术)
国家自然科学基金60972135
2014-12-16(万方平台首次上网日期,不代表论文的发表时间)
98-102