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:
SIFT(Scale-Invariant Feature Transform)特征提取是通过在不同尺度DOG(Difference of Gaussian)层进行逐个像素遍历获取极值点得到,当图像分辨率较高时计算量巨大。利用DOG(高斯一阶差分)层极值点与D2(高斯二阶差分)层的近零点之间的对应关系,提出基于近零点模板的SIFT特征提取算法,其中近零点判定阈值利用图像熵动态获取。由于模板的限制致使SIFT特征提取的范围缩小,极大降低了计算及时间复杂度。实验结果表明,相对于经典SIFT算法,提出的算法不仅保持了其较高的鲁棒性,而且大幅提高了特征提取效率。
推荐文章
基于MMTD的SIFT特征提取算法
图像特征提取
尺度不变特征变换(SIFT)
中介真值程度(MMTD)
基于快速SIFT特征提取的模板匹配算法
尺度不变特征变换算法
金字塔描述符
种子向量
旋转不变性
半数搜索法
基于GPU的SIFT特征提取算法研究
特征提取
描述符
SIFT
SIFT GPU
一种改进的 SIFT 特征提取算法
SIFT 算法
像素步长
对比度阈值
特征点
算法效率
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D2层近零点模板的SIFT特征提取算法
来源期刊 计算机应用与软件 学科 工学
关键词 SIFT特征 D2层 近零点模板 图像熵
年,卷(期) 2013,(10) 所属期刊栏目 基金项目论文
研究方向 页码范围 173-176
页数 4页 分类号 TP301
字数 2696字 语种 中文
DOI 10.3969/j.issn.1000-386x.2013.10.048
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 陆安江 贵州大学计算机科学与信息学院 61 169 8.0 10.0
2 张正平 贵州大学计算机科学与信息学院 95 328 9.0 14.0
3 刘影 贵州大学计算机科学与信息学院 4 9 1.0 3.0
4 周钰川 贵州大学计算机科学与信息学院 2 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (53)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(6)
  • 参考文献(1)
  • 二级参考文献(5)
2005(3)
  • 参考文献(1)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
研究主题发展历程
节点文献
SIFT特征
D2层
近零点模板
图像熵
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导