排序方式: 共有12条查询结果,搜索用时 15 毫秒
1.
2.
图像匹配作为计算机视觉领域的重要研究方向,广泛应用于图像配准、图像融合、变化检测、视觉导航、3D重建、视觉同时定位与地图构建(SLAM)等领域,精确稳健的局部特征提取是实现其高效处理的前提与关键。以图像匹配研究为导向,从传统特征设计到现代特征学习对局部特征提取方法进行了分类总结,首先,为增强对现代局部特征提取方法的理解,重点介绍了基于传统特征设计的相关方法,接着回顾了基于经典机器学习的方法,搭建起传统方法到深度学习方法的桥梁,最后详细讨论了基于深度学习的现代特征提取方法。针对跨传感器、多视角、不同时段环境下的图像匹配需求,全面分析了各阶段主流方法的优缺点,提出了目前存在的问题与挑战,并给出了相应的研究建议,为相关研究人员全面深入理解图像局部特征提取方法并利用深度学习方法对其进行改进提供基础性参考。 相似文献
3.
考虑了常利率下有阈红利边界的复合Poisson风险模型,给出了罚金折现期望函数满足的积分-微分方程及带干扰的情况下罚金折现函数所满足的积分-微分方程.利用全概率公式得到了相应积分-微分方程的解、破产概率及破产前瞬时盈余和破产赤字的联合分布的具体表达式.该模型有利于降低公司最终破产的概率. 相似文献
4.
5.
6.
考虑常利率下理赔时间间隔与理额赔相依的风险模型.利用Laplace变换,首先得到了该模的生存概率和破产概率的Laplace变换满足的一阶齐次微分方程,其次得到了生存概率满足的指数积分方程. 相似文献
7.
针对合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像提出了一种基于小波域改进最小割(Improved Minimum Cut,简称IMC)模型的多尺度配准方法.该方法首先将小波分解后的高频信息与SAR图像的特性相结合,用以指导在低频子图像中基于IMC模型的图像分割,从而获得两幅图像中完整的区域轮廓特征,然后通过融合开闭轮廓的信息,分别利用统计直方图和Hausdorff距离获取配准参数并对之细化,最后通过逐层校正参数完成多尺度的配准.实验结果表明,该方法能避免斑点噪声对轮廓提取和匹配的影响,能够实现具有平移、尺度和旋转变化的亚像素级精度的SAR图像配准. 相似文献
8.
针对SAR(Synthetic Aperture Radar)图像全自动配准问题,本文提出一种基于仿射不变SIFT(Scale Invariant Feature Transform)特征的精确配准方法.该方法首先对传统SIFT方法改进构建具有仿射不变性的SIFT描述子,并利用该描述子对提取的控制点进行粗匹配,然后由粗匹配点对的尺度比和方位差及其邻域的灰度相似性构建新的相似矩阵,最后利用SVD(Singular Value Decomposition)方法确定精确匹配点对,求出变换参数从而实现图像的精确配准.实验结果表明该方法优于传统的SIFT方法和SIFT+SVD方法并且可以达到亚像素的配准精度. 相似文献
9.
当SIFT(Scale Invariant Feature Transformation)方法应用于局部场景发生变化的图像时,在特征匹配中会产生错误匹配,文章提出了图像多尺度配准的小波域SIFT方法。该方法利用低分辨上变换参数剔除了错误匹配,提高了正确匹配率。模拟实验结果表明该方法在外点数目和正确匹配率方面优于原SIFT方法。最后,通过与原方法的对比分析,验证了该方法应用于震前震后多光谱图像的可行性。 相似文献
10.