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:
光流场图像匹配可以提高图像的质量,便于后继的光流场图像处理,而当前光流场图像匹配方法存在一些不足,如匹配耗时间长,错误率较高等,为了获得更优的光流场图像匹配结果,提出了大数据挖掘技术的光流场图像匹配方法.首先采集大量的光流场图像,并对图像预处理,消除干扰因素,从中提取边缘信息,幅值特征,角度特征等特征向量,并引入大数据挖掘技术根据对提取到的特征向量进行光流场图像匹配,最后对比其它图像匹配方法.实验结果表明,大数据挖掘技术的光流场图像匹配方法用时较短,提高光流场图像匹配效率,而且光流场图像匹配精度超过95%,大幅度减少了光流场图像匹配错误率,错误率仅为3%,具有广泛的应用范围.
推荐文章
大数据的分类挖掘优化技术
大数据
信息融合
分类挖掘
聚类空间划分
特征提取
基于光流场的序列图像分析
光流场
序列图像
微分法
特征点匹配
末制导DBS 图像匹配方法研究
图像匹配
DBS图像
模板
几何特征
图像畸变
基于HSV的改进彩色图像光流场估计算法
光流
彩色图像
运动估计
计算机视觉
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 大数据挖掘技术的光流场图像匹配方法设计
来源期刊 激光杂志 学科
关键词 大数据挖掘 边缘特征 光流场图像 图像方法设计 匹配效率
年,卷(期) 2021,(5) 所属期刊栏目 光通信与网络
研究方向 页码范围 107-111
页数 5页 分类号 TN29
字数 语种 中文
DOI 10.14016/j.cnki.jgzz.2021.05.107
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (173)
共引文献  (19)
参考文献  (16)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1981(5)
  • 参考文献(0)
  • 二级参考文献(5)
1992(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)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(6)
  • 参考文献(0)
  • 二级参考文献(6)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(6)
  • 参考文献(0)
  • 二级参考文献(6)
2012(4)
  • 参考文献(0)
  • 二级参考文献(4)
2013(12)
  • 参考文献(0)
  • 二级参考文献(12)
2014(20)
  • 参考文献(0)
  • 二级参考文献(20)
2015(29)
  • 参考文献(0)
  • 二级参考文献(29)
2016(23)
  • 参考文献(0)
  • 二级参考文献(23)
2017(26)
  • 参考文献(0)
  • 二级参考文献(26)
2018(13)
  • 参考文献(7)
  • 二级参考文献(6)
2019(9)
  • 参考文献(9)
  • 二级参考文献(0)
2021(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
大数据挖掘
边缘特征
光流场图像
图像方法设计
匹配效率
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
激光杂志
月刊
0253-2743
50-1085/TN
大16开
重庆市黄山大道杨柳路2号A塔楼1405室
78-9
1975
chi
出版文献量(篇)
8154
总下载数(次)
22
总被引数(次)
33811
论文1v1指导