典型文献
针对误匹配剔除的网格加权表征策略学习模型
文献摘要：
针对多数特征匹配方法在视觉任务中难以保持适用性的问题,提出了一种网格加权表征策略学习模型.基于对匹配对邻域一致性约束的认识,通过加权策略为每个匹配对创建一组匹配表征,包括邻域元素一致性、邻域加权拓扑一致性和外观匹配稳定性.这一组表征包含匹配对的空间、外观信息,可有效剔除误匹配.针对现有方法使用通用的方法来确定邻域,限制了它们在实时应用程序中的使用,考虑通过网格结构快速构建邻域,使每个匹配对确定邻域的时间复杂度与初始匹配对数量无关,提高了算法运行速度.最后将提出的方法在3个公开数据集TUM、KITTI、CPC和工程项目所收集的SFDS数据集上进行验证,并与RT、GMS、LMR方法进行了对比.实验结果表明,所提出的网格加权表征策略学习模型在精度和召回率指标上表现最好,在速度上是LMR方法的2倍.因此,网格加权表征策略学习模型在误匹配剔除的效果和速度上实现了更好的平衡.
文献关键词：
模式识别;图像处理;特征匹配;邻域一致性
中图分类号：
作者姓名：
杨丽洁;黄倩;黄燕滢;张云飞
作者机构：
水利部水利大数据重点实验室(河海大学) ,南京211100;河海大学计算机与信息学院,南京211100
文献出处：
引用格式：
[1]杨丽洁;黄倩;黄燕滢;张云飞-.针对误匹配剔除的网格加权表征策略学习模型)[J].中国科技论文,2022(03):274-280
A类：
SFDS
B类：
误匹配剔除,表征策略,策略学习,特征匹配,匹配方法,视觉任务,邻域一致性,一致性约束,略为,拓扑一致性,应用程序,网格结构,快速构建,时间复杂度,运行速度,公开数据集,TUM,KITTI,CPC,GMS,LMR,召回率,模式识别
AB值：
0.318918
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
