Toggle navigation
首页
期刊介绍
期刊简介
历史沿革
收录情况
获奖情况
引用指标
编委会
期刊在线
文章推荐
过刊浏览
专辑专刊
下载排行
阅读排行
投稿指南
组稿方向
投稿须知
论文模板
常见问题
署名变更申请
单位变更申请
版权转让协议
中图分类号
引言书写要求
参考文献著录格式
插图与表格规范
英文摘要书写要求
收费标准
学术诚信
联系我们
编辑部联系方式
位置示意图
期刊订阅办法
广告合作
English
期刊
出版年
关键词
结果中检索
(((温金环[Author]) AND 1[Journal]) AND year[Order])
AND
OR
NOT
文题
作者
作者单位
关键词
摘要
分类号
DOI
Please wait a minute...
选择:
导出引用
EndNote
Ris
BibTeX
显示/隐藏图片
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
)
可视化
收藏
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
)
可视化
收藏
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
(
1458
)
PDF
(626KB)(
964
)
可视化
收藏
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。
相关文章
|
多维度评价
Select
4.
基于最小割的极化特征图像分割
史彩云 林伟 李 旭 温金环
计算机应用 2010, 30 (
06
): 1587-1589.
摘要
(
1595
)
PDF
(621KB)(
1152
)
可视化
收藏
针对极化合成孔径雷达(SAR)所固有的斑点噪声很难分割出精确结果的问题,提出了一种基于图论的极化SAR图像分割方法。该方法结合极化SAR的多个极化特征, 用K均值聚类算法得到像素的初始标号,然后建立一个关于标号的能量函数并构造相应的网络,用最小割方法求取网络中全局能量函数的近似最优解,由此得到每个像素点的恰当标号,最终完成图像的准确分类。该方法与传统的分割方法相比,能够充分考虑极化SAR图像的全局信息和极化特征对图像进行精确的分割。实验结果证明,该算法具有较好的分割效果。
相关文章
|
多维度评价
Select
5.
基于极化相似性特征的极化SAR图像的谱分类
李旭 林伟 史彩云 温金环
计算机应用 2010, 30 (
05
): 1415-1417.
摘要
(
288
)
PDF
(476KB)(
1001
)
可视化
收藏
针对极化SAR图像分类存在的问题,提出了基于SAR目标的极化特征的二维谱聚类方法。该方法可以充分考虑目标的极化相似性特征,利用二维的谱聚类方法实现极化SAR图像的分类。它以两目标散射的极化相似性参数图像作为输入特征,用二维图权函数代替一维图权函数求权值,使采样点分类和特征矢量分类相一致,从而实现极化SAR图像的分类。实验结果表明,该方法具有更好的分类结果,明显优于K均值分类。
相关文章
|
多维度评价