排序方式: 共有110条查询结果,搜索用时 0 毫秒
1.
2.
3.
指纹细节特征点匹配是指纹识别过程的核心部分,鲁棒的细节特征点匹配方法需要克服指纹的旋转、变形和真实特征点丢失的情况。该文通过引入支持模型来进行细节特征点匹配,获得了较好的结果。在对支持模型理论进行简单分析之后,详细介绍了所提出的一个鲁棒的基于支持模型的细节特征点匹配算法。该方法通过融合多个种子松弛匹配的结果,来获取每个细节特征点的约束支持。并通过每个对应点不同的支持度得到一一对应的细节特征点匹配结果。最后给出两个指纹细节特征点集的相似性水平。该算法具有较强的鲁棒性和稳定性,能够很好地解决指纹细节特征点匹配过程中存在的旋转、变形和真实细节特征点丢失等情况。最后给出的实验结果验证了该算法的有效性。 相似文献
4.
SIFT局部特征因良好的性能在图像和视频的语义概念检测中得到广泛应用。已经有很多学者对SIFT做了深入研究,并提出了PCA-SIFT,SURF,MSER等,但是在SIFT算法中,阶与阶之间采样率的变化对SIFT特征的影响关注很少。考察了SIFT算法中,阶与阶之间采用不同降采样率对SIFT特征差异性的基础上,提出了一种多层次的SIFT(ML-SIFT)算法。Caltech256和SceneClass13数据集上的实验表明,ML-SIFT相比于原始SIFT,其MAP的提高能够分别达到15.7%和5.1%。另外在Caltech256上,当采用不同比例的正负样本训练时,ML-SIFT算法具有较好的稳定性。同时,还将ML-SIFT算法、SIFT、SURF算法做了性能比较,SURF和SIFT算法的性能较接近,但是SIFT和SURF相对于ML-SIFT算法,则其性能较差。实验表明,ML-SIFT是有效的。 相似文献
5.
6.
7.
8.
文章提出了一种快速的DCT域MPEG-2到MPEG-1准卷积下呆样算法。在转码过程中。头信忠保持不变,且要求将每四个相邻MPEG-2宏块变为一个下采样MPEG-1宏块:用最大最小距离方法确定下采样宏块的运动向量、用简单多数原则确定下采样宏块类型以及用加全平均方案确定下呆样宏块的量化参数。另外,对下采样视频转码失真来源进行了分析。实验结果表明我们提出的转码方案,在同样条件下与级联像素域转码器(TM5)相比,不仅其计算复杂性减少67.6%、PNSR提高0.1dB,而且具有很小的比特控制错误。 相似文献
9.
为了便于在不同结构层次上对视频进行检索和浏览。可以把视频序列分为不同层次的逻辑单元。逻辑单元的层次由上到下可以分成序列、场景、镜头和帧。其中场景是时间上具有一定顺序关系的相似镜头的集合。文章提出了基于类内和类间损失的场景构造算法。首先利用时间约束和颜色直方图求得镜头距离;然后基于类内和类间损失对相似镜头进行聚类,得到镜头类;最后在分析镜头类的基础上构造场景。实验证明,构造的场景比较好的反映了视频的内容。 相似文献
10.