原文服务方: 信息与控制       
摘要:
针对单模态图像包含的信息存在局限性的问题,提出了一种基于形状上下文和HOG(histogram of oriented gradient)特征的红外和可见光图像配准方法.在混合高斯模型前景检测的基础上,通过提出的形状上下文和HOG特征结合的方法实现轮廓特征匹配,再利用TPS(thin plate spline)转换模型将匹配延伸到整个形状,并使用正则化和缩放特性迭代重组对应关系及估计转换降低估计误差.最后,采用RANSAC(random sample consensus)算法去除错误匹配点.与已有的形状上下文方法相比,此方法结合了边缘和轮廓特征信息,降低了误差,鲁棒性更好.
推荐文章
基于形状上下文的形状匹配
形状匹配
形状上下文
手写体数字识别
一种新的基于梯度方向直方图的图像配准方法
图像配准
主方向
梯度方向直方图
旋转不变性
互信息
基于SURF和形状上下文的人脸匹配算法
人脸图像匹配
加速鲁棒特征
形状上下文
误匹配点剔除
基于形状上下文的车牌字符识别
形状上下文
对数极坐标直方图
匹配代价
迭代二值化
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 基于形状上下文和方向梯度直方图特征的异源图像配准
来源期刊 信息与控制 学科
关键词 图像配准 前景检测 形状上下文 方向梯度直方图(HOG)特征
年,卷(期) 2019,(2) 所属期刊栏目 论文与报告
研究方向 页码范围 149-155
页数 7页 分类号 TP751
字数 语种 中文
DOI 10.13976/j.cnki.xk.2019.8210
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 黄微 中国科学院沈阳自动化研究所机器入学国家重点实验室 17 72 6.0 7.0
10 朱琳琳 4 4 2.0 2.0
11 任卫红 中国科学院沈阳自动化研究所机器入学国家重点实验室 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (84)
共引文献  (26)
参考文献  (12)
节点文献
引证文献  (2)
同被引文献  (4)
二级引证文献  (0)
1981(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(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)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(11)
  • 参考文献(0)
  • 二级参考文献(11)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(7)
  • 参考文献(0)
  • 二级参考文献(7)
2009(8)
  • 参考文献(1)
  • 二级参考文献(7)
2010(5)
  • 参考文献(0)
  • 二级参考文献(5)
2011(5)
  • 参考文献(1)
  • 二级参考文献(4)
2012(11)
  • 参考文献(1)
  • 二级参考文献(10)
2013(6)
  • 参考文献(0)
  • 二级参考文献(6)
2014(5)
  • 参考文献(0)
  • 二级参考文献(5)
2015(4)
  • 参考文献(1)
  • 二级参考文献(3)
2016(1)
  • 参考文献(0)
  • 二级参考文献(1)
2017(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(2)
  • 参考文献(2)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像配准
前景检测
形状上下文
方向梯度直方图(HOG)特征
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
信息与控制
双月刊
1002-0411
21-1138/TP
大16开
1972-01-01
chi
出版文献量(篇)
2891
总下载数(次)
0
总被引数(次)
41289
论文1v1指导