本文選題：影像匹配　切入點：SIFT算子　出處：《遙感信息》2017年01期 　論文類型：期刊論文

【摘要】：鑒于尺度不變特征轉(zhuǎn)換(Scale-Invariant Feature Transform,SIFT)匹配算法特征點描述符的相似性度量大多采用歐氏距離,而目前諸多學(xué)者提出的距離測度中除歐氏距離還有其他應(yīng)用較為廣泛的如城市距離、棋盤距離、馬氏距離、余弦距離、相關(guān)性距離等,該文采用這6種距離用于特征點描述符的相似性度量,在實驗中分別統(tǒng)計這6種距離測度在最近鄰/次近鄰比值取值從0.3至0.9的匹配結(jié)果。實驗結(jié)果表明,6種距離測度中綜合性能最好的是城市距離,其次是棋盤距離,而歐氏距離與余弦距離由于計算耗時以及誤匹配點相對較多其綜合性能并不是很好,性能最差的是馬氏距離。因此,在實際的SIFT匹配算法中,特征點描述符相似性度量應(yīng)采用基于城市距離或棋盤距離的測度準(zhǔn)則,而不是歐氏距離或余弦距離。
[Abstract]:Since the similarity measures of scale-Invariant Feature transform (sift) matching algorithm are mostly Euclidean distance, many scholars have put forward the Euclidean distance as the most widely used distance measure, such as urban distance. The chessboard distance, Markov distance, cosine distance, correlation distance and so on are used to measure the similarity of feature point descriptors. In the experiment, the matching results of the nearest neighbor / next nearest neighbor ratio between 0.3 and 0.9 are calculated respectively. The experimental results show that the best comprehensive performance of the six distance measures is the city distance, followed by the chessboard distance. However, the Euclidean distance and cosine distance are not very good due to the computation time and the relative number of mismatch points, and the worst performance is the Markov distance. Therefore, in the actual SIFT matching algorithm, The similarity measure of feature point descriptor should be based on city distance or chessboard distance instead of Euclidean distance or cosine distance.
【作者單位】： 遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院;國家測繪地理信息局衛(wèi)星測繪應(yīng)用中心;
【基金】：遼寧工程技術(shù)大學(xué)測繪與地理科學(xué)學(xué)院研究生優(yōu)秀學(xué)位論文培育計劃(YS201503) 遼寧省教育廳重點實驗室項目(LJZS001)
【分類號】：P23;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 謝明霞;王家耀;郭建忠;陳科;;不等距劃分的高維相似性度量方法研究[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2012年07期

2 賀玲;吳玲達;蔡益朝;;高維空間中數(shù)據(jù)的相似性度量[J];數(shù)學(xué)的實踐與認識;2006年09期

3 隋正偉;鄔陽;劉瑜;;基于簽到數(shù)據(jù)的用戶空間出行相似性度量方法研究[J];地理信息世界;2013年03期

4 李海林;郭崇慧;;基于多維形態(tài)特征表示的時間序列相似性度量[J];系統(tǒng)工程理論與實踐;2013年04期

5 楊艷春;孟祥武;;基于關(guān)鍵詞的對等網(wǎng)絡(luò)節(jié)點群相似性度量模型研究[J];武漢大學(xué)學(xué)報(理學(xué)版);2011年06期

6 李永寧;一種基于紋理的圖象相似性度量模型(英文)[J];四川大學(xué)學(xué)報(自然科學(xué)版);2003年02期

7 胡茂海;;基于相關(guān)輸出相似性度量的目標(biāo)識別算法[J];中國激光;2012年04期

8 劉丹;衛(wèi)金茂;張杰;;GO術(shù)語間語義相似性度量方法[J];東北師大學(xué)報(自然科學(xué)版);2010年01期

9 杜培軍;唐宏;方濤;;高光譜遙感光譜相似性度量算法與若干新方法研究[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2006年02期

10 郭銘銘;竇建華;楊彬;;基于形式化概念分析和概念相似性度量的程序重組方法(英文)[J];南京大學(xué)學(xué)報(自然科學(xué)版);2011年05期

相關(guān)會議論文 前10條

1 劉喜平;萬常選;;一種二維的樹型文檔結(jié)構(gòu)相似性度量[A];第二十五屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（二）[C];2008年

2 劉俊義;王潤生;;仿射不變的多邊形相似性度量[A];中國圖象圖形科學(xué)技術(shù)新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

3 楊艷春;孟祥武;;P2P網(wǎng)絡(luò)服務(wù)環(huán)境中的節(jié)點相似性度量研究[A];CCF NCSC 2011——第二屆中國計算機學(xué)會服務(wù)計算學(xué)術(shù)會議論文集[C];2011年

4 李彬彬;羅樂;;基于信源學(xué)的光譜相似性度量方法的比較研究[A];2009全國計算機網(wǎng)絡(luò)與通信學(xué)術(shù)會議論文集[C];2009年

5 羅陽;趙偉;;相似性度量研究及最優(yōu)相似系數(shù)[A];中國氣象學(xué)會2008年年會天氣預(yù)報準(zhǔn)確率與公共氣象服務(wù)分會場論文集[C];2008年

6 周曉蕾;唐明浩;於思俊;;服裝款式系統(tǒng)中的相似性度量算法研究[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（下冊）[C];2009年

7 劉寶生;閆莉萍;周東華;;圖像匹配中相似性度量[A];第16屆中國過程控制學(xué)術(shù)年會暨第4屆全國故障診斷與安全性學(xué)術(shù)會議論文集[C];2005年

8 李新光;鄭君君;祝一薇;劉建軍;夏勝平;譚立球;;基于屬性圖模型的圖像相似性度量[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2010年

9 沈君;馬生全;;兩種新的相似性度量在模糊推理中的應(yīng)用[A];中國運籌學(xué)會模糊信息與模糊工程分會第五屆學(xué)術(shù)年會論文集[C];2010年

10 廉鑫;林偉堅;張海威;袁曉潔;;基于雙向路徑約束模型的XML文檔結(jié)構(gòu)相似性度量[A];NDBC2010第27屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集(B輯)[C];2010年

相關(guān)博士學(xué)位論文 前7條

1 趙秀麗;基于有趣地點壓縮的移動點對象時空軌跡聚類研究[D];北京交通大學(xué);2016年

2 朱進;基于運動特征的軌跡相似性度量研究[D];南京師范大學(xué);2015年

3 白雪;聚類分析中的相似性度量及其應(yīng)用研究[D];北京交通大學(xué);2012年

4 張明;基于內(nèi)容的圖象相似性度量技術(shù)研究及其在水利中的應(yīng)用[D];河海大學(xué);2003年

5 邱明;語義相似性度量及其在設(shè)計管理系統(tǒng)中的應(yīng)用[D];浙江大學(xué);2006年

6 周瑜;視頻跟蹤中的目標(biāo)建模及相似性度量研究[D];華中科技大學(xué);2014年

7 戚文靜;基于范例的圖案創(chuàng)作關(guān)鍵技術(shù)研究[D];山東大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 曹莉莉;基于GC-MS的高速譜庫搜索算法研究[D];安徽大學(xué);2015年

2 蔣欣;基于粒子濾波的故障預(yù)報算法研究[D];福建師范大學(xué);2015年

3 張豪;符號序列相似性度量及聚類新算法[D];福建師范大學(xué);2015年

4 周漢海;基于少量選點的社團檢測算法研究[D];蘭州大學(xué);2015年

5 張考;面向電子商務(wù)的虛假評論檢測的關(guān)鍵技術(shù)研究[D];解放軍信息工程大學(xué);2015年

6 張靜轉(zhuǎn);基于集對相似性度量的社區(qū)發(fā)現(xiàn)算法研究[D];燕山大學(xué);2016年

7 張婷;基于近鄰協(xié)同過濾算法中相似性度量的研究[D];西南交通大學(xué);2016年

8 陳龍飛;心電時間序列的表示和相似性度量方法的研究[D];哈爾濱工業(yè)大學(xué);2016年

9 張娜;相似性度量及其在圖像非局部濾波中的應(yīng)用研究[D];昆明理工大學(xué);2016年

10 聶學(xué)成;面向文本標(biāo)識的柔性語義相似性度量方法[D];天津大學(xué);2014年

，

本文編號：1574814