10.3969/j.issn.1007-5461.2015.03.005
基于稀疏随机投影的SIFT医学图像配准算法
针对尺度不变特征变换(Scale-invariant feature transform,SIFT)算法在关键点特征描述向量阶段计算复杂并且维数较高的现象,提出了一种基于压缩感知理论的SIFT算法.通过压缩感知理论的稀疏特征表示方法,对SIFT关键点特征向量进行提取,将高维梯度导数向量降到低维稀疏特征向量,降低了关键点描述向量维度.采用欧式距离作为关键点的相似性度量, Best-Bin-First(BBF)数据结构避免穷举,使数据的运算量大为减少.实验结果表明,新算法对存在仿射变换的医学图像配准性能优于传统SIFT算法,与当前改进型的SIFT算法相比,本文算法的实时性明显增强.
图像处理、图像配准、尺度不变特征变换、特征提取、稀疏随机投影
32
TP391.4(计算技术、计算机技术)
国家自然科学基金资助项目21302023
2015-06-17(万方平台首次上网日期,不代表论文的发表时间)
283-289