检索结果

Select

1. 基于典型相关分析方法的尺度不变特征变换误匹配剔除

赵伟, 田铮, 杨丽娟, 延伟东, 温金环

计算机应用 2015, 35 (11): 3308-3311. DOI: 10.11772/j.issn.1001-9081.2015.11.3308

摘要（451）

PDF （654KB）（539）

针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题,提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法.该方法首先利用SIFT算法进行匹配,得到初始匹配对; 然后根据典型相关成分的线性关系拟合直线,利用点到直线的距离剔除大部分误匹配点对; 对剩余的匹配点对,逐一分析其对典型相关成分的共线性的影响,剔除影响程度大的特征点对.实验结果表明,该方法能够在剔除误匹配的同时保留更多的正确匹配,提高了图像配准的精度.

参考文献 | 相关文章 | 多维度评价

Select

2. 基于偏最小二乘的SIFT误匹配校正方法

延伟东田铮温金环潘璐璐

计算机应用 2012, 32 (05): 1255-1257.

摘要（1074）

PDF （2166KB）（715）

针对尺度不变特征变换（SIFT）描述子仅利用特征点的局部邻域信息而对图像内具有相似结构的特征点易产生误匹配的现象，提出一种基于偏最小二乘的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配，得到初始匹配对，然后利用偏最小二乘方法对匹配后初始匹配点的空间分布信息进行重新描述，并通过定义影响函数，剔除影响程度大的特征点对，最后得到精确匹配点对，对图像进行配准。实验结果表明，该方法能够有效地剔除误匹配点，提高图像配准的精度。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于监督局部线性嵌入特征提取的高光谱图像分类

温金环田铮林伟周敏延伟东

计算机应用 2011, 31 (03): 715-717. DOI: 10.3724/SP.J.1087.2011.00715

摘要（1461）

PDF （626KB）（964）

高光谱图像的数据维数高、数据量大、数据间高度冗余等特点给图像分类带来困难，为进行有效降维、提高分类精度，提出了一种监督局部线性嵌入(SLLE)非线性流形学习特征提取方法。SLLE算法根据数据先验类标签信息所给出的新距离寻找数据点的k最近邻(NN)，新距离使得类内距离小于类间距离，这使得SLLE算法更有利于分类。高光谱图像数据和UCI数据的分类结果表明了该方法的有效性。