基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了一种基于B样条模型的曲线特征点检测法。该方法首先用B样条函数对原始曲线进行逼近,得到原始曲线的分段解析表达式,然后利用曲线曲率分布来确定其特征点。B样条曲线分段解析的特点提高了曲率估计的精度,进而使特征点检测的准确度也得到提高,同时B样条曲线拟合过程在一定程度上起到了对原始曲线的平滑作用,可抑制噪声对特征点检测的影响,并且这种平滑不具有常规高斯平滑的萎缩效应。实验结果证明了本文方法的有效性。
推荐文章
基于B样条的改进型Harris角点检测算法
B样条函数
角点检测
Harris角点检测
基于B样条曲线的植物叶片几何建模
特征点
B样条曲线
曲线拟合
节点插入
几何建模
测地B样条曲线的生成
测地B样条曲线
拓扑网格模型
算法
B样条曲线的快速实时插补算法
B样条曲线
曲线插补
实时插补
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于B样条模型的曲线特征点检测法
来源期刊 数据采集与处理 学科 工学
关键词 特征点检测 曲率估计 B样条 曲线逼近
年,卷(期) 2000,(4) 所属期刊栏目 理论与试验研究
研究方向 页码范围 422-425
页数 4页 分类号 TP391|O224
字数 2678字 语种 中文
DOI 10.3969/j.issn.1004-9037.2000.04.006
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 丁明跃 华中科技大学模式识别与人工智能研究所图像信息处理与智能控制教育部重点实验室 94 1385 19.0 33.0
2 彭嘉雄 华中科技大学模式识别与人工智能研究所图像信息处理与智能控制教育部重点实验室 58 1500 23.0 37.0
3 肖轶军 华中科技大学模式识别与人工智能研究所图像信息处理与智能控制教育部重点实验室 1 46 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (20)
参考文献  (5)
节点文献
引证文献  (46)
同被引文献  (31)
二级引证文献  (86)
1965(1)
  • 参考文献(0)
  • 二级参考文献(1)
1971(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(3)
  • 参考文献(2)
  • 二级参考文献(1)
1991(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2001(1)
  • 引证文献(1)
  • 二级引证文献(0)
2003(1)
  • 引证文献(1)
  • 二级引证文献(0)
2004(5)
  • 引证文献(5)
  • 二级引证文献(0)
2005(5)
  • 引证文献(2)
  • 二级引证文献(3)
2006(12)
  • 引证文献(6)
  • 二级引证文献(6)
2007(8)
  • 引证文献(2)
  • 二级引证文献(6)
2008(9)
  • 引证文献(3)
  • 二级引证文献(6)
2009(12)
  • 引证文献(5)
  • 二级引证文献(7)
2010(10)
  • 引证文献(4)
  • 二级引证文献(6)
2011(9)
  • 引证文献(1)
  • 二级引证文献(8)
2012(8)
  • 引证文献(1)
  • 二级引证文献(7)
2013(10)
  • 引证文献(2)
  • 二级引证文献(8)
2014(12)
  • 引证文献(4)
  • 二级引证文献(8)
2015(4)
  • 引证文献(3)
  • 二级引证文献(1)
2016(10)
  • 引证文献(1)
  • 二级引证文献(9)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(6)
  • 引证文献(3)
  • 二级引证文献(3)
2019(5)
  • 引证文献(2)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
特征点检测
曲率估计
B样条
曲线逼近
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
数据采集与处理
双月刊
1004-9037
32-1367/TN
大16开
南京市御道街29号1016信箱
28-235
1986
chi
出版文献量(篇)
3235
总下载数(次)
7
总被引数(次)
25271
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导