您的位置: 专家智库 > >

徐小明

作品数:3 被引量:11H指数:2
供职机构:重庆大学软件工程学院更多>>
发文基金:重庆市自然科学基金国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇期刊文章
  • 1篇学位论文

领域

  • 3篇自动化与计算...

主题

  • 1篇多分辨
  • 1篇多分辨分析
  • 1篇特征点
  • 1篇特征提取
  • 1篇图像
  • 1篇图像处理
  • 1篇主成分
  • 1篇主成分分析
  • 1篇主方向
  • 1篇极坐标
  • 1篇角点
  • 1篇角点检测
  • 1篇HARRIS...
  • 1篇HARRIS...
  • 1篇尺度不变特征
  • 1篇尺度不变特征...

机构

  • 3篇重庆大学

作者

  • 3篇徐小明
  • 2篇周小龙
  • 2篇杨丹
  • 2篇张小洪

传媒

  • 1篇自动化学报
  • 1篇中国图象图形...

年份

  • 1篇2009
  • 1篇2008
  • 1篇2007
3 条 记 录,以下是 1-3
排序方式:
图像的特征提取与描述的研究
特征提取和描述是基于特征的图像处理和计算机视觉的基础环节,特征检测算子的检测性能和描述算子的表针性能直接决定了图像处理的效率和精度。在实际问题中图像可能受到噪声、背景的干扰,也可能发生视角、光照、尺度、平移、旋转、仿射等...
徐小明
关键词:图像处理HARRIS角点检测多分辨分析特征提取
文献传递
极坐标下基于差分统计的描述器算法被引量:1
2009年
特征描述器在许多机器视觉任务中有着重要的应用。为了提高特征描述器的性能,在极坐标下设计出了一种新的特征描述器——小波差分统计描述器(harr wavelet differential histograms,HWDH)。该描述器算法先把选定的特征区域分成9个小区域;接着分别对小区域进行小波变换;然后算出对应的方向差分,同时用改进的尺度适应性二阶矩矩阵来选择特征点的主方向;最后在极坐标下,对每个小区域的差分,在相应的方向条目内进行统计。与其他基于统计的描述器相比,该算法不需要对特征区域进行旋转,即可减少统计误差。经与尺度不变特征变换(SIFT)的描述器的实验比较表明,该描述器在鲁棒性和速度性能上都很好。
徐小明杨丹张小洪周小龙
关键词:尺度不变特征变换主方向
基于局部不变映射的特征描述器算法被引量:6
2008年
提出了一种新的基于局部不变映射(Locality preserving projections,LPP)的描述器设计算法.该算法用LPP预先生成一个特征矩阵,接着把特征点邻域内所有点的梯度组成一个高维的梯度向量,然后通过特征矩阵把该梯度向量嵌入到一个低维的流形空间中,生成一个维数很低的向量,并把它作为该特征点的描述器.所提出的算法能保持描述器之间的几何结构不变:原空间中邻接的描述器映射到低维空间后保持邻接,而不相似的描述器映射后区分度更大,所以该算法所生成的描述器能表现特征点之间的内在关系,具有很强的鲁棒性.通过与SIFT(Scale invariant feature transform),PCA-SIFT的实验比较,此算法更快速,更具鲁棒性.
徐小明杨丹张小洪周小龙
关键词:主成分分析特征点
共1页<1>
聚类工具0