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:
针对传统的SIFT (Scale-Invariant Feature Transform)匹配算法数据量大,耗时长的问题,采用主成分不变特征变换PCA-SIFT (Principal Component Analysis, PCA)匹配算法。PCA-SIFT匹配算法将传统SIFT算法中的直方图法换做主元分析法,降低了传统SIFT特征描述符的维数,减少了数据量,提高了匹配效率。首先提取出两幅待匹配图像中的所有特征描述子,其次将提取出的特征描述子采用距离比阈值筛选出匹配点对,再采用RANSAC (Random Sample Consensus)法消除错配,最后得到精确的匹配结果。实验结果表明,PCA-SIFT + RANSAC算法较稳定、精确、快速。
推荐文章
基于区域的稠密立体匹配方法
种子点
区域增长
稠密匹配
改进PCA-SIFT的电子标签图像匹配算法
图像匹配
PCA
K-means聚类
SIFT算法
电子标签
基于SIFT特征描述子的立体匹配算法
立体匹配
SIFT
极线约束
图像变换
一种边缘保持立体匹配方法
立体匹配
超像素分割
边缘保持代价聚集
导向十字滤波
点云上采样
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RANSAC的PCA-SIFT立体匹配方法研究
来源期刊 图像与信号处理 学科 工学
关键词 立体匹配 SIFT PCA-SIFT RANSAC
年,卷(期) txyxhcl_2016,(3) 所属期刊栏目
研究方向 页码范围 105-111
页数 7页 分类号 TP39
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (2)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(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
立体匹配
SIFT
PCA-SIFT
RANSAC
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
图像与信号处理
季刊
2325-6753
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
169
总下载数(次)
1
论文1v1指导