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:
在计算机视觉领域,图像匹配是常见的任务,基于灰度的点的匹配是常见的方法.其中又以抗噪能力强、匹配精度高的归一化互相关(NCC)算法最为常用.然而NCC算法计算量较大,常常难以满足实时处理的要求.通过引入合适的全1矩阵,让其和原图像的数据做卷积,大幅度地降低了NCC的计算量,提高了效率,仿真实验结果也证明了本文方法的有效性.
推荐文章
基于NCC的图像匹配快速算法
图像匹配
归一化积相关
相似度函数
区域分割
差分
一种基于小波分解的快速图像匹配算法
图像匹配
图像融合
小波变换
小波分解
一种快速区域立体匹配算法设计及实现
双向立体匹配
图像分割
伪极线
稠密匹配
一种改进的ORB图像匹配算法
ORB算法
特征点提取
图像匹配
自适应频谱抑制
多尺度空间模型
特征匹配
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 图像匹配中NCC算法的一种快速实现方法
来源期刊 信息化研究 学科 工学
关键词 图像匹配 归一化互相关 快速算法 卷积
年,卷(期) 2011,(2) 所属期刊栏目 研究与设计
研究方向 页码范围 48-52
页数 分类号 TP751
字数 2747字 语种 中文
DOI 10.3969/j.issn.1674-4888.2011.02.012
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 陈阳 东南大学信息科学与工程学院 41 130 6.0 9.0
2 黄真宝 东南大学信息科学与工程学院 1 35 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (26)
共引文献  (154)
参考文献  (10)
节点文献
引证文献  (35)
同被引文献  (80)
二级引证文献  (31)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(6)
  • 参考文献(0)
  • 二级参考文献(6)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(3)
  • 参考文献(2)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(3)
  • 参考文献(3)
  • 二级参考文献(0)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(6)
  • 引证文献(6)
  • 二级引证文献(0)
2015(7)
  • 引证文献(5)
  • 二级引证文献(2)
2016(5)
  • 引证文献(4)
  • 二级引证文献(1)
2017(19)
  • 引证文献(8)
  • 二级引证文献(11)
2018(11)
  • 引证文献(6)
  • 二级引证文献(5)
2019(9)
  • 引证文献(3)
  • 二级引证文献(6)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
图像匹配
归一化互相关
快速算法
卷积
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
信息化研究
双月刊
1674-4888
32-1797/TP
大16开
江苏省南京市
28-251
1975
chi
出版文献量(篇)
4494
总下载数(次)
11
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