典型文献
基于深度学习的偏振图像局部特征提取算法研究(特邀)
文献摘要：
针对传统探测方式对目标探测不到、看不清、图像轮廓和细节模糊等问题,采用红外与偏振探测相结合方式,通过对红外图像信息和偏振图像信息解算,解决在各种环境下探测不到、看不清的问题.针对目标局部特征提取过程数据量大、提取速度慢等问题,提出了一种改进的深度学习偏振图像局部特征提取SIFT算法.实验结果显示,该算法结合偏振成像和深度学习的优势,实现在简单或复杂背景下目标的特征快速提取,该算法对偏振图像局部特征提取速度快、提取精度高.该算法为目标的分类、识别与跟踪技术奠定理论基础.
文献关键词：
偏振图像;局部特征;深度学习;尺度不变特征转换(SIFT)算法;神经网络
中图分类号：
作者姓名：
李英超;杨帅;付强;史浩东;邹智慧
作者机构：
长春理工大学光电工程学院,长春;吉林省空间光电技术重点实验室,长春
文献出处：
引用格式：
[1]李英超;杨帅;付强;史浩东;邹智慧-.基于深度学习的偏振图像局部特征提取算法研究(特邀))[J].光电技术应用,2022(05):62-69
A类：
B类：
偏振图像,局部特征提取,特征提取算法,算法研究,特邀,探测方式,目标探测,看不清,偏振探测,结合方式,红外图像,图像信息,下探,过程数据,数据量,速度慢,SIFT,偏振成像,复杂背景,快速提取,跟踪技术,尺度不变特征转换
AB值：
0.333606
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。
