毕业论文移动版

图像功能作为图像的基本属性可以从一个方面反映更多有用的信息。美国在20世纪70年代的导航和制导系统的研究中,首次提出图像配准概念过后就一直受到相关领域广泛关注。

国内和国外的研究人员已经进行过了大量的研究,不断地引入新的图像匹配的方法。概括来说,可以分为两类:(1)基于灰度图像匹配(2)基于特征的图像匹配,但中国从90年代初开始涉足这一领域。基于灰度的图像匹配是根据图像的灰度值来进行匹配的,具有可靠性高、准确性高的优点,但也存在计算量大、实时性差的缺点。相比而言,基于特征的图像匹配的运算量相对比较小,还有较好的噪声免疫力,其更容易来实现实时匹配。91833

SIFT算法目前不同程度的应用到了民用、军事和工业方面,它的应用已进入到了非常多领域。

参 考 文 献

[1]章毓晋。图像理解与计算机视觉[M]。北京:清华大学出版社,2000。

[2]高文,陈熙霖。计算机视觉算法与系统原理[M]。北京:清华大学出版社,2002。

[2]Shapiro L,Stockman G。Computer vision[M]。Prentice Hall,2001。

[3]潘子昂。基于 SIFT 算法的图像匹配研究[D]。西安:西安电子科技大学,2013:19-24。

[4]丁林亿。基于SIFT算法的图像匹配研究[M]。淮安：淮阴师范学院，2016

[5]戴涛。朱长仁,胡树平。图像匹配综述[J]。《数字技术与应用》，2012(03)

[6]汪洋。图像匹配方法综述[J]。《电脑与电信》,2009(05)

[7]百度文库。基于SIFT算法的图像匹配研究-本科论文[M]，2013

[8]姜彬等。图像分割技术分析与展望。《电脑知识与技术》[J]，2009,5(35):10066-10068

[9]梅玫。基于内容的同源视频检索技术研究[D]。北京：北京邮电大学，2010年 

[10]郭金芝。基于SIFT算法的车牌识别系统研究[D]。西安:西安电子科技大学, 2012年

[11]李亮。基于语义稀疏表示的不良图像检测算法[D]。西安:西安电子科技大学,2011年

[12]Beril Sirmacek, Cem Unsalan。 Urban-Area and Building Detection Using SIFT Key points and Graph Theory[J]。 IEEE Transactions on Geosciences and Remote sensing, 2009。 47(4):1156-1167

[13]David G。 Lowe。 Distinctive image features from scale-invariant keypoints[D]。 Canada :University of British Columbia,2004 

[14] David G。 Lowe。 Distinctive image features from scale-invariant keypoints[J]。 International Journal of Computer Vision, 2004,60(2):91-110

[15] M Brown，DG Lowe。Invariant features from interest point groups[J]。 British Machine Vision Conference, 2002:37(4)656-665

 [16]PL Rosin，AD Marshall。 Proceedings of the British Machine Vision Conference 2002[J]。 British Machine Vision Conference, 2002:9(5)656-665。