杨飒
,
郑志硕
量子电子学报
doi:10.3969/j.issn.1007-5461.2015.03.005
针对尺度不变特征变换(Scale-invariant feature transform,SIFT)算法在关键点特征描述向量阶段计算复杂并且维数较高的现象,提出了一种基于压缩感知理论的SIFT算法.通过压缩感知理论的稀疏特征表示方法,对SIFT关键点特征向量进行提取,将高维梯度导数向量降到低维稀疏特征向量,降低了关键点描述向量维度.采用欧式距离作为关键点的相似性度量, Best-Bin-First(BBF)数据结构避免穷举,使数据的运算量大为减少.实验结果表明,新算法对存在仿射变换的医学图像配准性能优于传统SIFT算法,与当前改进型的SIFT算法相比,本文算法的实时性明显增强.
关键词:
图像处理
,
图像配准
,
尺度不变特征变换
,
特征提取
,
稀疏随机投影
