基于纹理特征的 SIFT 算法改进

白亚茜, 刘著平, 凌建国

白亚茜, 刘著平, 凌建国. 基于纹理特征的 SIFT 算法改进[J]. 红外技术, 2016, 38(8): 705-708.
引用本文: 白亚茜, 刘著平, 凌建国. 基于纹理特征的 SIFT 算法改进[J]. 红外技术, 2016, 38(8): 705-708.
BAI Yaxi, LIU Zhuping, LING Jianguo. Improved SIFT Algorithm Based on Texture Features[J]. Infrared Technology , 2016, 38(8): 705-708.
Citation: BAI Yaxi, LIU Zhuping, LING Jianguo. Improved SIFT Algorithm Based on Texture Features[J]. Infrared Technology , 2016, 38(8): 705-708.

基于纹理特征的 SIFT 算法改进

详细信息
  • 中图分类号: TP391

Improved SIFT Algorithm Based on Texture Features

  • 摘要: 针对 SIFT(Scale Invariant Feature Transform)算法中使用固定对比度阈值提出了改进方法。当红外图像纹理特征不明显时,算法所能提取的特征点数量会大量减少,影响后续利用特征点进行如图像匹配、目标识别等处理。而人工改变对比度阈值具有局限性,不适用于很多场合。因此提出了一种基于纹理特征的自适应对比度阈值的 SIFT 算法。所使用的纹理特征提取方法是灰度共生矩阵,鉴于灰度共生矩阵并不能直接应用的特点,因此提取了特征参数。在图像纹理的特征参数如角二阶矩较大时,调低对比度阈值,使得特征点数量得以提高。此算法经验证表明能够在图像纹理特征不明显的情况下依然提取出大量的 SIFT 特征点。
  • 期刊类型引用(9)

    1. 汤澳,许四祥,宋昱宸,任加琪. 基于二维熵与低维度描述符的双目视觉测量. 电子测量与仪器学报. 2025(03): 169-176 . 百度学术
    2. 王凯彬,李莹,李殷昊,何自芬. 基于单角区域特征的烟标图像配准方法. 激光与光电子学进展. 2023(02): 121-126 . 百度学术
    3. 薛超,牟云平,张尧,黄宝香. 基于多核学习的GIST全局和SIFT局部特征融合遥感图像检索方法. 青岛大学学报(自然科学版). 2020(01): 5-11 . 百度学术
    4. 纪娜,何国荣. 基于灰度识别的猕猴桃形状疤痕图像纹理特征提取方法. 自动化与仪器仪表. 2019(01): 159-162 . 百度学术
    5. 陈凤萍,齐建华. 旋转不变纹理特征在图像模式识别中应用仿真. 计算机仿真. 2019(02): 353-356 . 百度学术
    6. 严春满,郝有菲,张迪,陈佳辉. 混合特征下最优阈值预测的图像匹配. 计算机工程与科学. 2019(10): 1803-1808 . 百度学术
    7. 王宁,闫会峰. 无线网络多媒体图像实时跟踪匹配仿真. 计算机仿真. 2018(01): 155-158 . 百度学术
    8. 杜丽娟,路晓亚. 低重合度图像多视点纹理特征自动配准仿真. 计算机仿真. 2018(05): 221-224+261 . 百度学术
    9. 薛武,张永生,于英,赵玲,李磊. 沙漠地区无人机影像连接点提取. 测绘科学技术学报. 2017(04): 405-410 . 百度学术

    其他类型引用(7)

计量
  • 文章访问数:  94
  • HTML全文浏览量:  21
  • PDF下载量:  16
  • 被引次数: 16
出版历程

目录

    /

    返回文章
    返回