一种改进的SIFT特征点检测方法

被引：8

作者：

李海洋 ^{[1
]}

文永革 ^{[1
]}

何红洲 ^{[1
,2
]}

机构：

[1] 绵阳师范学院数学与计算机科学学院

[2] 电子科技大学计算机科学与工程学院

来源：

计算机应用与软件 | 2013年 / 30卷 / 09期

关键词：

尺度不变特征变换; 图像匹配; 特征点检测; 区域检测; 实时性;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

尺度不变特征变换(SIFT)图像匹配算法采用高斯差分算子(DoG)进行特征点检测,计算上使用相邻尺度高斯平滑后图像相减。在实践中,检测出的特征点遍布整个图像,造成后续计算量大且误配率高,降低了SIFT算法的实时性。针对以上问题,采用一种优化后的区域检测方法对SIFT特征点检测进行改进。首先利用优化后的区域检测方法检测出目标物体,然后运用DoG算子提取特征点,使特征点集中在目标物体上,从而简化计算,提高SIFT算法的实时性。最后,给出改进算法的实验结果和应用前景。

引用

页码：147 / 150

页数：4

共 4 条

[1] Saliency Detection:A Spectral Residual Approach. Hou Xiaodi,Zhang Liqing. Proc.of IEEE Conference on Computer Vision and Pattern Recognition . 2007
[2] Distinctive image features from scale-invariant keypoints
Lowe, DG
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2004, 60 (02) : 91 - 110
[3] SURF:Speeded Up Robust Features. Bay H,Tuytelaars T,Gool L V. Ninth European Conference on Computer Vision,2006 . 2006
[4] 一种基于区域检测特征描述子的静态图像拼接算法
赵品
周越
[J]. 计算机应用与软件, 2010, 27 (07) : 242 - 244

← 1 →