| FKPCA-SIFT算法在图像匹配中的应用 |
| |
| 引用本文： | 张宁丽.FKPCA-SIFT算法在图像匹配中的应用[J].电视技术,2015,39(7). |
| |
| 作者姓名： | 张宁丽 |
| |
| 作者单位： | 1. 上海师范大学信息与机电工程学院,上海,200234
2. 上海师范大学数理学院,上海,200234 |
| |
| 基金项目： | 国家自然科学基金资助项目(61373004)。 |
| |
| 摘 要： | SIFT是目前广泛应用于目标识别和图像匹配领域的算法,但其在使用过程中存在描述子维数过大、耗时时间长的缺点.针对这个问题,常用的解决办法是利用PCA算法对描述子进行降维,由于PCA是一种线性降维算法,因此它的使用具有局限性.对此,利用模糊K均值算法对其进行改进(称为FKPCA),并用改进的RANSAC算法消除误匹配点.实验结果表明,PCA-SIFT算法和FKPCA-SIFT都很好地保持了SIFT算法原有的优点,具有很高的匹配正确率.但相对于PCA-SIFT算法,FKPCA-SIFT不仅适用于线性降维也适用于非线性降维,具有更好的匹配精度,拓展了PCA-SIFT算法的适用范围.
|
| 关 键 词： | SIFT PCA-SIFF FKPCA-SIFT RANSAC 线性降维 非线性降维 |
| 收稿时间： | 2014/4/22 0:00:00 |
| 修稿时间： | 2014/5/27 0:00:00 |
The Application of FKPCA-SIFT algorithm in Image Matching |
| |
| zhangningli.The Application of FKPCA-SIFT algorithm in Image Matching[J].Tv Engineering,2015,39(7). |
| |
| Authors: | zhangningli |
| |
| Affiliation: | Shanghai Normal University |
| |
| Abstract: | |
| |
| Keywords: | SIFT PCA-SIFT FKPCA-SIFT improved RANSAC linear dimensionality reduction non-linear dimensionality reduction |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《电视技术》浏览原始摘要信息 |
|
点击此处可从《电视技术》下载全文 |
|
