Image Matching for Geomorphic Measurement Based on SIFT and RANSAC Methods

兰萨克 尺度不变特征变换 匹配(统计) 人工智能 计算机视觉 计算机科学 方向(向量空间) 比例(比率) 特征(语言学) 缩放空间 图像(数学) 最大值和最小值 模式识别(心理学) 图像匹配 过程(计算) 特征提取 数学 图像处理 地理 统计 哲学 数学分析 操作系统 地图学 语言学 几何学
作者
Wei Wang,Jun Hong,Yiping Tang
标识
DOI:10.1109/csse.2008.318
摘要

To effectively realize the image feature matching for geomorphic reverse measurement and rebuilding, a new matching scheme is presented, where the SIFT method are adopted to implement initial geomorphic image matching by going through five stages: scale-space construction, scale-space extrema detection, orientation assignment, keypoint descriptor and feature vector matching. Then, in order to eliminate the wrong matching features existing in the initial matching process, RANSAC algorithm is applied. The experimental results show that this algorithm can effectively improve the accuracy and efficiency of geomorphic image matching.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
高大雁兰发布了新的文献求助10
2秒前
乔达摩完成签到 ,获得积分10
2秒前
111完成签到,获得积分10
2秒前
3秒前
fap完成签到,获得积分10
3秒前
无情乐松完成签到,获得积分20
3秒前
sss发布了新的文献求助10
4秒前
稳重的小刺猬完成签到,获得积分10
4秒前
呼哈哈哈完成签到,获得积分10
5秒前
6秒前
脑洞疼应助蜂蜜柚子茶采纳,获得10
6秒前
隐形曼青应助zhangjianan采纳,获得20
7秒前
7秒前
10秒前
友好白凡发布了新的文献求助10
10秒前
11秒前
糊涂涂发布了新的文献求助10
11秒前
111发布了新的文献求助10
12秒前
12秒前
joysa驳回了贰鸟应助
14秒前
14秒前
小巧康完成签到 ,获得积分20
15秒前
17秒前
sunshine给xxy991007的求助进行了留言
17秒前
WWXWWX发布了新的文献求助10
17秒前
严冰蝶完成签到 ,获得积分10
18秒前
友好白凡完成签到,获得积分10
18秒前
无花果应助李昕123采纳,获得10
18秒前
无花果应助sandao采纳,获得30
19秒前
李健应助陈小宇kk采纳,获得10
19秒前
20秒前
20秒前
Faker完成签到 ,获得积分10
21秒前
111完成签到,获得积分10
22秒前
思源应助sss采纳,获得10
23秒前
JamesPei应助zs采纳,获得10
23秒前
hsing发布了新的文献求助10
23秒前
liuliu发布了新的文献求助10
24秒前
26秒前
26秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3158072
求助须知:如何正确求助?哪些是违规求助? 2809436
关于积分的说明 7881999
捐赠科研通 2467898
什么是DOI,文献DOI怎么找? 1313783
科研通“疑难数据库(出版商)”最低求助积分说明 630538
版权声明 601943