【摘 要】
：
在数字图像处理技术高速发展的今天,图像配准作为图像识别领域的热门研究方向,在医学影像处理、遥感图像处理、计算机视觉以及人脸识别等领域有着极为广泛的应用。图像配准技术发展到今天,经过几代学者孜孜不倦的钻研探索,在图像识别领域已经提出了很多种性能优秀的配准算法。在这些配准算法中,尺度不变特征变换（SIFT）特征具有良好的尺度不变性,对图像的旋转、缩放、光照变化以及噪声都有着不错的容忍性。尺度不变特征变
论文部分内容阅读
在数字图像处理技术高速发展的今天,图像配准作为图像识别领域的热门研究方向,在医学影像处理、遥感图像处理、计算机视觉以及人脸识别等领域有着极为广泛的应用。图像配准技术发展到今天,经过几代学者孜孜不倦的钻研探索,在图像识别领域已经提出了很多种性能优秀的配准算法。在这些配准算法中,尺度不变特征变换（SIFT）特征具有良好的尺度不变性,对图像的旋转、缩放、光照变化以及噪声都有着不错的容忍性。尺度不变特征变换（Scale-invariant feature transform,SIFT）算法由 Lower 在1999年提出,经过几年时间的完善,最终在2004年进行了算法总结。然而,随着图像技术的飞速发展,需要处理的图像分辨率越来越高、内存越来越大,对于算法的准确率和实时性也有了更高的要求。SIFT算法的效率低下等局限性已逐步显现出来。本文基于图像配准的基本原理,首先研究了 SIFT算法的数学理论基础和整个算法的实现过程。针对特征点搜索速度慢的问题,提出了基于KD树的特征点搜索方法,即通过KD树结构对数据集进行逐层划分,得到特征点数据集索引,再通过索引的方式查询图像配准所需的特征点,提高了数据搜索效率。在此基础上,针对初次配准后的匹配对中存在误匹配的问题,采用了改进后的随机抽样一致性（RANSAC）算法对初配准的结果进行了精细配准,有效地提高了配准准确率。最后,将改进后的SIFT算法与传统算法进行了实验对比,实验结果表明,改进后的算法效果更佳。
其他文献
在这个追求速度的时代,人们的出行方式发生巨变,地铁因为便捷、舒适、平稳等优点,受到人们的热捧。受其影响,地铁热线系统也得到了迅速地发展。南昌地铁热线一期系统已经使用了超过五年,因其所使用的技术比较陈旧以及使用年限长等原因,南昌地铁热线一期出现了不稳定、部分电脑宕机等问题,本系统采用全新先进的开发技术,实现地铁热线系统中工单流转、通知公告发布、客服人员管理等功能。之前的系统使用的是SSM框架,采用的
孤独症谱系障碍（Autism Spectrum Disorder,ASD）是一种起病于发育早期的神经发展紊乱疾病。ASD的早期诊断在ASD的干预中起着至关重要的作用,尤其是对于ASD儿童。通常ASD儿童需要由经验丰富的医生结合各种检查评估进行诊断,但这种方式费时又费力且易受主观因素的影响。因此在本文中,我们探索了两种基于外在特征的孤独症辅助诊断方法。在第一阶段我们围绕采集孤独症儿童视频数据库（Ex
习近平总书记在参加十三届全国人大五次会议内蒙古代表团审议时强调，贯彻新发展理念是新时代我国发展壮大的必由路。2015年1月，习近平总书记考察云南时指出，要在推动产业优化升级上下功夫，在提高创新能力上下功夫，在加快基础设施建设上下功夫，在深化改革开放上下功夫，扎扎实实走出一条创新驱动发展的路子来。2020年1月，习近平总书记再次考察云南时指出，要加快建设现代化经济体系，把握供给侧结构性改革这条
多模态医学影像可以反映人体不同组织的不同视觉特征,已成为人工智能、生物医学、计算机科学等学科的主要研究对象。基于多模态医学影像的病灶分割可应用于疾病诊断、术前方案、智能医疗和医学大数据分析等研究领域。近年来,随着深度学习算法的快速发展,基于深度神经网络的多模态病灶分割已取得了较大进展。然而,受扫描时间、采集成本等因素的影响,临床上有效的多模态影像数据样本少,因此不利于以数据驱动的人工智能算法在该领
信息化时代互联网正在快速地发展,大多数人都会利用网络来传递信息,与此同时信息的安全问题也受到广泛的关注。数字图像是信息的重要载体,为了保证数字图像信息的安全,对图像进行加密是最有效的方法之一。本文提出了两种基于五维超混沌系统的彩色图像加密方案,具体内容如下:（1）设计了一种结合SHA-256函数和五维超混沌系统的彩色图像加密方案。引用SHA-256函数计算明文图像的哈希值来控制Arnold映射的系
虚拟手术仿真技术可用于低年资医师手术训练,避免在实际手术中出错。然而大多研究者都是针对传统的手术操作开发虚拟手术系统,少有人针对电切割这类新兴手术操作搭建虚拟手术平台。本文针对现有的虚拟手术仿真中存在的问题:（1）模型孔洞问题;（2）手术烟雾仿真计算负担较大;（3）涡粒子烟雾难以施加碰撞边界条件;（4）烟雾与虚拟手术系统结合难,开发了一套包括切割肺组织和电凝肿瘤组织的电切割虚拟手术系统,解决了虚拟
目前,随着人工智能的快速发展,基于人工智能的算法被广泛应用在生活中各个方面。其中基于计算机视觉的算法发展尤为迅速。分类与回归问题是计算机视觉中最为常见的两类问题。计算机视觉研究大多围绕这两类问题展开。随着深度学习的发展,越来越多的算法被提出来解决这些问题。其中注意力机制是最近比较热门的一个研究方向,被应用到计算机视觉问题中来解决各种相关问题。本文主要研究注意力机制在计算机视觉中分类和回归两类问题中
随着互联网不断融入到社会经济和日常生活中,人们已习惯于进行各种在线信息查询和交互行为（如数据检索、信息查询、网络购物、社交、导航等）,网络数据、信息的数量及其应用飞速增长,导致如何在海量信息中,准确、快速获得所需要的信息成为近年来的研究热点。其中,各类推荐系统作为一种解决该问题的有效方法,尤其是协同过滤算法,已经取得了不少的研究成果并被广泛应用。然而,相关算法在稀疏性、冷启动、抵御托攻击等方面,仍
随着卷积神经网络技术的飞速发展,人脸识别成为模式识别与人工智能领域研究的热点。传统人脸识别方法主要依靠特定场景的手工特征进行特征提取,鲁棒性较差,应用场景受限。而基于卷积神经网络的人脸识别方法通过多层级联的复杂线性结构直接从人脸样本图像中提取区分度更高、更具有表达能力的人脸特征信息,从而提高人脸识别准确率。人脸识别技术的核心在于如何提取强区分性的人脸特征,鉴于此,本文聚焦于特征提取网络结构,对基于
随着数据爆炸时代的到来,如何高效快捷地挖掘出冗余数据中有价值的信息变得越来越重要。聚类分析是一种无标签、无监督学习的数据挖掘技术,可以在低成本的情况下发现数据中有价值的信息。模糊C均值算法（FCM）就是聚类分析中的一种典型算法,它在K-means算法的基础上加入模糊集理论,被广泛应用到各个领域中。但是,模糊C均值算法对初始聚类中心较敏感且鲁棒性不强。针对这些问题,本文提出了一种改进的核模糊C均值算