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:
针对目前SIFT算法及其改进算法在多波段SAR图像匹配时匹配性能低下(普适性差、匹配精度低、时间复杂度高)的问题,在SIFT算法框架下分别从尺度空间构建和描述符构建两个方面进行改进.在构建尺度空间层面,提出将高斯引导滤波引入多尺度空间构建和预处理阶段,采用双边滤波策略,充分利用高斯引导滤波的实时性和旋转对称性与双边滤波的边缘保持优势,高效地滤除斑点噪声并保持边缘信息.在构建描述符阶段,提出采用局部差分二进制(Local Difference Binary,LDB)算法描述特征,在保证不降低特征点描述符区分性的同时,减少特征的向量维度,从而缩短构建描述符的时间.在特征匹配阶段,首先采用最近邻算法进行粗匹配,然后采用稀疏向量场一致性(Vector Field Consensus,VFC)快速剔除错误匹配点.实验结果表明,所提算法在SAR图像配准时间复杂度和匹配概率评价上要优于原始BFSIFT算法和KAZE算法.总体上,文中提出的SAR图像匹配算法是具有实时性、鲁棒性与高匹配概率的高效算法.
推荐文章
一种鲁棒视频抠图算法
抠图
视频抠图
随机行走
一种鲁棒的稀疏信号重构算法
稀疏信号
重构
鲁棒
局部极小点
一种鲁棒协作表示的人脸识别算法
人脸识别
稀疏表示
协作表示
最大似然估计
遮挡
一种安全鲁棒的图像哈希方法
图像哈希
V系统
特征提取
哈希值
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 一种快速鲁棒的SAR图像匹配算法
来源期刊 计算机科学 学科 工学
关键词 SAR图像配准 尺度空间 双边滤波 引导滤波 LDB VFC
年,卷(期) 2017,(7) 所属期刊栏目 图形图像与模式识别
研究方向 页码范围 283-288,298
页数 7页 分类号 TP391
字数 8474字 语种 中文
DOI 10.11896/j.issn.1002-137X.2017.07.051
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 吴鹏 武汉大学电子信息学院 32 204 9.0 13.0
2 于秋则 武汉大学电子信息学院 3 6 1.0 2.0
6 闵顺新 武汉大学电子信息学院 2 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (5)
共引文献  (73)
参考文献  (13)
节点文献
引证文献  (5)
同被引文献  (2)
二级引证文献  (2)
1983(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)
1990(2)
  • 参考文献(1)
  • 二级参考文献(1)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(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)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(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)
2018(2)
  • 引证文献(2)
  • 二级引证文献(0)
2019(5)
  • 引证文献(3)
  • 二级引证文献(2)
研究主题发展历程
节点文献
SAR图像配准
尺度空间
双边滤波
引导滤波
LDB
VFC
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
计算机科学
月刊
1002-137X
50-1075/TP
大16开
重庆市渝北区洪湖西路18号
78-68
1974
chi
出版文献量(篇)
18527
总下载数(次)
68
总被引数(次)
150664
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