期刊文献+

图像匹配中的数据存储方法

Storage method for data in image matching
原文传递
导出
摘要 在图像匹配中,针对已有图像数据存储方法不能适用于稀疏矩阵的存储,提出了一种可适应紧矩阵和稀疏矩阵的图像数据存储方法,紧矩阵采用逐点存储方法,稀疏矩阵采用行格式存储法(CSR:Compressed Sparse Row).为了满足多种图像匹配算法对数据的存储要求,将存储阵列块划分为8个存储子块和4种存储模式,可存储参考图和模板图.通过存储控制块的控制,图像数据可并行或单独访问,增加了数据读取效率和灵活性.通过分析和比较,该存储方法能有效节省存储空间,改善存储性能. According to the existing storage method for image data inapplicable to sparse matrix in image matching,a new storage method for both tight matrix and sparse matrix is proposed;the point-to-point storage method is for tight matrix,and the compressed sparse row(CSR) format storage method is for sparse matrix.In order to meet a variety of image matching algorithm of data storage requirements,the storage arrays are divided into eight sub-storage blocks and four storage modes;and it can storage both reference image and matching image.By controlling the storage control block,image data can be parallel or separately access so as to increase data reading efficiency and flexibility.By analysis and comparison,it can save storage space efficiently and improve storage performance.
出处 《武汉大学学报(工学版)》 CAS CSCD 北大核心 2011年第3期399-403,共5页 Engineering Journal of Wuhan University
基金 民用航天科研预先研究项目(编号:C5220060318)
关键词 图像匹配 稀疏矩阵 CSR格式 image matching sparse matrix CSR format
  • 相关文献

参考文献15

二级参考文献52

  • 1李爱国.多粒子群协同优化算法[J].复旦学报(自然科学版),2004,43(5):923-925. 被引量:398
  • 2阳方林,杨风暴,韦全芳,韩焱.一种新的快速图像匹配算法[J].计算机工程与应用,2005,41(5):51-52. 被引量:13
  • 3冷雪飞,刘建业,熊智,邢广华.鲁棒Hausdorff距离在SAR/惯性组合导航图像匹配中的应用研究[J].东南大学学报(自然科学版),2004,34(B11):141-144. 被引量:4
  • 4罗钟铉,刘成明.灰度图像匹配的快速算法[J].计算机辅助设计与图形学学报,2005,17(5):966-970. 被引量:72
  • 5韩先锋,李俊山,孙满囤,焦康.巡航导弹景象匹配算法适应性研究[J].微电子学与计算机,2005,22(7):53-57. 被引量:9
  • 6Huttenlocher Daniel P, Klanderman Gregory A, Ruek lidge William J. Comparing images using the hausdorff distance [ J ]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993,15 (9) : 850 - 863.
  • 7Sim D G, Kwon O K, Park R H. Object matching algorithms using robust Hausdorff distance measures [ J ]. IEEE Transactions on Image Processing, 1999, 8 ( 3 ) : 425 - 429.
  • 8Eberhart R C,Kennedy J.A new optimizer using particle swarm theory[C]//The 6th International Symposium on Micro Machine and Human Science,Nagoya, 1995:39-43.
  • 9Kennedy J.Eberhart R C.Particle swarm optimization[C]//Proceeding of the IEEE International Conference on Neural Networks, 1995: 1942 - 1948.
  • 10van den Bergh F.An analysis of particle swarm optimizer[D].South Mrica:Department of Computer Science,University of Pretoria, 2002.

共引文献52

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部