一种特征匹配方法:稀疏特征树

在大规模或实时环境要求下,机器学习算法的计算效率非常重要.描述了用于最大熵模型执行系统的一种高效的数据结构及其相关的生成和查找算法.这种数据结构称为稀疏特征树,用于表示特征集合,以提高特征查找(或特征匹配)的速度,从而提高概率计算和执行系统的速度.基本短语识别和词性标注的实验显示,这种新的数据结构的确能够极大地加快最大熵方法执行系统的速度,同时保持空间复杂度不变.

基于SURF特征提取的遥感图像自动配准

基于SURF(Speeded Up Robust Features)特征点提取是目前比较流行的图像配准方法.本文在SURF基础上,提出一种基于分块策略的改进方法:首先采用分水岭分割法确定图像的分块数量,然后对图像进行分块,每个子块提取一定数量的特征点,以便实现特征点的均匀提取;再通过稀疏特征树法找出匹配的特征点对;最后用RANSAC算法剔除错误匹配特征点对,同时计算参考图像与待配准图像的变换关系.实验表明,该方法能够高效、快速地解决遥感图像的自动配准问题.