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(8)

    1. 刘硕,瞿崇晓,祝中科,张福俊,范长军. 基于MSR和AMSR的红外融合增强算法. 应用科学学报. 2022(03): 423-433 . 百度学术
    2. 魏然然,詹伟达,朱德鹏,田永. 改进多尺度的Retinex红外图像增强. 液晶与显示. 2021(03): 465-474 . 百度学术
    3. 罗华锋,王铎. 基于梯度直方图和SUSAN算子的红外目标检测. 光电技术应用. 2020(01): 47-50 . 百度学术
    4. 张晓娟,樊东燕. 红外图像动态范围压缩和对比度增强研究. 激光杂志. 2020(06): 76-79 . 百度学术
    5. 张承泓,李范鸣,吴滢跃. 基于自适应引导滤波的子带分解多尺度Retinex红外图像增强. 红外技术. 2019(04): 323-328 . 本站查看
    6. 顾振飞,袁小燕,张照锋,张登银,孔令民,姜浩东. 基于简化大气散射模型的单幅红外图像增强方法. 电子器件. 2019(05): 1229-1236 . 百度学术
    7. 贾瑞明,郑奇. 基于人眼频率特性的分形增强算法. 激光与红外. 2018(07): 919-924 . 百度学术
    8. 王新赛,周丰俊,郑磊,贺菁. 红外成像技术在城市地下空间防灾监测与应急搜救中的应用发展对策. 中国工程科学. 2017(06): 92-99 . 百度学术

    其他类型引用(11)

计量
  • 文章访问数:  81
  • HTML全文浏览量:  20
  • PDF下载量:  14
  • 被引次数: 19
出版历程

目录

    /

    返回文章
    返回
    x 关闭 永久关闭

    尊敬的专家、作者、读者:

    端午节期间因系统维护,《红外技术》网站(hwjs.nvir.cn)将于2024年6月7日20:00-6月10日关闭。关闭期间,您将暂时无法访问《红外技术》网站和登录投审稿系统,给您带来不便敬请谅解!

    预计6月11日正常恢复《红外技术》网站及投审稿系统的服务。您如有任何问题,可发送邮件至编辑部邮箱(irtek@china.com)与我们联系。

    感谢您对本刊的支持!

    《红外技术》编辑部

    2024年6月6日