【摘 要】
：
图匹配问题是计算机视觉中一个重要而基础的问题.针对图匹配问题目前最优的求解方法是凸-凹松弛过程(CCRP).但是,CCRP方法需要对一系列松弛问题进行求解,使得其速度较慢,难以求解大规模图匹配问题.同时图匹配中的约束条件与马尔科夫随机场最大后验概率推理中的约束条件具有相似性.受此启发,作者将图匹配问题表示为一个特殊的约束下马尔科夫随机场最大后验概率推理问题.在此基础上,针对该问题,作者提出一种新型
【机 构】
：
西北工业大学计算机学院陕西省语音与图像信息处理重点实验室, 西安710129 西北工业大学航天学院
【出 处】
：
第十四届中国体视学与图像分析学术会议
论文部分内容阅读
图匹配问题是计算机视觉中一个重要而基础的问题.针对图匹配问题目前最优的求解方法是凸-凹松弛过程(CCRP).但是,CCRP方法需要对一系列松弛问题进行求解,使得其速度较慢,难以求解大规模图匹配问题.同时图匹配中的约束条件与马尔科夫随机场最大后验概率推理中的约束条件具有相似性.受此启发,作者将图匹配问题表示为一个特殊的约束下马尔科夫随机场最大后验概率推理问题.在此基础上,针对该问题,作者提出一种新型线性规划松弛,并在此基础上推导得到匹配-消息传递方法,对该问题进行快速求解.实验表明,本文所提出方法在精度相同大于等于与CCRP方法的情况下,相对CCRP方法速度提高4～10倍.
其他文献
In this paper, we propose an iterative beam hardening correction method that is applicable for the case with multiple materials.By introducing some moderate assumptions on the scanned objects, the bea
水泥工业是国民经济的重要基础产业,水泥生产线的优化运行与优化控制对国民经济的作用也非常大,其经济效益非常明显.熟料烧成系统是水泥生产线中最重要的工艺环节,其中包括了复杂的热工与化学过程;烧成系统控制的好坏直接影响着水泥熟料的产量、质量和能耗,对整个水泥生产的好坏起着至关重要的作用.由于烧成系统是一个典型的多变量强耦合、大惯性大滞后、强干扰、非线性的复杂难控对象,适合采用APC(Advanced P
工业CT技术作为一种无损检测手段在众多领域中得到了广泛的应用.锥束CT因其射线利用率高、扫描时间短等特点逐渐成为CT领域的研究热点.但是,锥束CT的应用也存在一定的局限性,主要包括成像视野小、重建速度慢等.本文提出大视场锥束CT重建的LFOV算法,采用转台偏置的方式进行扫描,利用基于CUDA编程架构的多GPU编程实现重建过程.实验证明本文的方法在大视场锥束CT的重建过程中是有效的,既可以增大成像视
本文探讨多能CT中的图像域分解.光子计数探测器可以设置多个阈值来获得不同能段的投影数据,适合于多能CT的数据采集.在图像域分解框架中,分解模型可以写成一个近似的矩阵等式.在能量范围固定的情况下,光子计数探测器划分的能段越多,分解模型越精确,上述矩阵表达越接近等式.但光子计数探测器的输出信号有泊松噪声,噪声使分解结果变差;而且由于泊松噪声的特点,在相同的剂量情况下,能段划分的越多意味着每一能段接收到
对CT系统现场进行空间分辨率评定,已形成了较为完整的评价体系.但对正在设计中的CT系统,某些因素引起的空间分辨率下降,如由检台旋转运动引起的周向误差,目前还没有统一的方法来进行方案评估.本文针对二维CT系统的周向运动误差,建立了原点不在图象中心点的角坐标系模型.并在该坐标系下定义了角卷积运算,推导了理想冲激点的表达式和基本性质及其对任意函数的分解.该模型可作为二维CT周向运动误差点扩展函数推导和重
移动端快速点检测算法是计算机视觉领域中比较热门的话题.本文结合ORB算法和分数阶微分方法,提出了一种适于移动应用的点检测和匹配方法.在检测特征点时引入了分数阶微分算子,提升了平滑区域特征点检测数量;借助特征相似度和形状约束构建具有结构不变的图模型,引入层次化的匹配策略提出了适合于移动应用的图模型快速匹配方法.实验结果表明,本文改进的算法提取的特征点数比ORB算法平均提高了35.01％,匹配正确率平
降低辐射剂量能减小对X射线对人体的危害,但是同时会降低CT图像的信噪比,影响图像诊断价值.本文提出一种基于分数阶的自适应统计迭代方法,为了改善全变分正则项的块状效应,构造了基于分数阶微积分的全变分正则项,同时基于局部方差的概念提出了模型参数的自适应控制方式.仿真实验和临床数据实验表明,本文方法在消除低剂量CT图像噪声的同时,可以有效抑制块状效应,保留更多的结构纹理信息,提高CT图像的疾病诊断价值.
为了实现机载激光雷达数据的有效应用,需要对激光雷达数据的进行分类.本文提出了一种新的只利用激光雷达高程数据将研究区域分为屋顶、树、地面和其他四类对象的方法.区别于其他方法,此方法分两步实现,首先利用监督分类方法将研究区域分为屋顶、树和其他;为了达到高的精度,该步骤在特征和分类器选择上都针对分类目标和特点进行定制.第二步利用滤波方法将非屋顶和非树的对象分类地面与其他对象.实验结果表明,本文提出的方法
本文提出了一种在压缩域中实现红外小目标检测的新方法.该方法首先将原始红外小目标图像分离成背景图像和目标图像,再对目标图像进行压缩得到目标压缩量测,然后利用目标图像压缩量测实现红外小目标检测.对比传统的基于压缩感知(CS)的红外小目标检测方法,该方法不仅能够在不恢复任何原始信号的前提下,对不同背景的红外小目标图像进行目标检测,且具有检测速度更快、占用内存以及计算量更小等优点.实验结果表明该方法能够实
二维谱估计算法Capon以及Apes在合成孔径雷达(SAR)超分辨成像中得到了较广泛的应用,但这两种算法无法同时满足高分辨率和高精度幅度估计的要求.前人已经提出了将两者相结合的一维Capes算法,本文在此基础上,提出和实现了二维Capes算法,通过对SAR实测数据的成像处理,验证了算法的有效性.结果表明,应用二维Capes算法所得到的SAR图像,同时具有较好的超分辨率和准确的幅度估计.