Mar, 2021

基于结构相似性的多模态遥感图像鲁棒配准

PDF
TL;DR本文提出一种基于图像结构属性的新型特征描述符 HOPC 和相似度度量方法 HOPCncc，用于在多模式遥感数据（如光学、LiDAR、SAR）之间进行自动配准，试验表明，在匹配性能方面，HOPCncc 具有鲁棒性并优于基于 NCC 和互信息的现有相似性度量方法。
multimodal remote sensing datahopcsimilarity metricnon-linear radiometric differencesimage registration
发现论文，激发创造
  • 多模式遥感图像快速鲁棒匹配技术

    该研究提出了一种快速而强韧的匹配框架，该框架将局部描述符与 3DFFT 技术相结合，用于不同模态数据的图像配准。实验结果表明，该框架比现有方法具有更优的匹配性能。

    Aug, 2018

  • 基于方向主成分直方图的跨视角动作识别

    该研究通过 HOPC 描述符和 STK 关键点的检测来实现对未知视角下的 3D 动作识别。全局 STK-D 描述符在四维空间中规范化检测 STK。实验结果表明，该方法在跨视觉和单视觉人体动作识别方面显著优于现有方法。

    Sep, 2014

  • HOPC：三维点云的方向主成分直方图用于动作识别

    本文提出了一种新的 3D 动作识别技术，直接处理点云数据，并通过新的描述符和关键点检测算法提高了在噪声、动作速度和视角变化方面的稳健性。实验结果表明，该方法在人类活动数据库上的表现优于现有的算法，并引入了一个新的多视图公共数据集以展示我们的方法对视角变化的鲁棒性。

    Aug, 2014

  • DISA: 通用多模态注册的可微相似性近似

    通过近似现有指标与小型卷积神经网络的特征空间中的点积，我们提出了一个通用框架，用于创建具有表达性的跨模态描述符，从而实现了快速可变形全局注册。我们的方法比基于局部图像块的指标快几个数量级，并且可以直接应用于临床环境中，只需用所提出的指标替换相似度测量。实验表明，我们的方法在训练数据之外也具有很好的泛化性，即使在未知的解剖学和模态组合上也有着广泛的适应能力，无需进行专门的重新训练。我们公开了我们的训练代码和数据。

    Jul, 2023

  • 图像注册相似度指标的原始同时优化

    本文研究基于先前的相似度度量方法是否适用于图像配准的问题，探究在多模态 3D 环境下，通过选择基本求和作为度量优化手段是否能够提高 MRI 图像配准的准确性。通过 2 个预先和手术中的胶质母细胞瘤病例，依据神经放射科医生的地标标记，证明了本文提出的优化方法对图像配准精度提升的效果。

    Apr, 2023

  • 高效的超列关联语义匹配

    利用多尺度相关图的潜力，提出了一种高效的语义匹配方法 HCCNet，通过特征分割和点卷积等操作，实现了在语义匹配上具有先进水平或有竞争力的性能，同时降低了延迟和计算开销。

    Nov, 2023

  • DASC: 多模态和多光谱一致性估计的强健密集描述符

    本文提出了一种新颖的密集描述符称为 DASC 来估计多模态和多光谱密集对应关系，并通过一种基于超像素的表示提出了几何不变的 DASC（GI-DASC）描述符，以解决多种视觉变化的挑战。

    Apr, 2016

  • 基于锐化余弦相似度的高光谱图像分类神经网络

    引入了一种名为 Sharpened Cosine Similarity (SCS) 的方法来解决 Hyperspectral Image Classification 中的问题，这种方法可替代使用 Convolutional Neural Networks (CNN) 的方法并且比 CNN 更加高效。

    May, 2023

  • 多模态配准的深度度量

    使用卷积神经网络构建了一种新的相似度度量方法，该方法可以应用于多模态医学图像的配准问题。在跨人注册任务上，该方法实现了比互信息更好的性能。

    Sep, 2016

  • 使用深度空间一致性的鲁棒点云配准

    本研究提出 PointDSC，一个基于深度学习的神经网络，在点云配准中明确地引入空间一致性，通过非局部特征聚合模块和可微分谱匹配模块进行同型剪枝，实现对离群点对应关系的修剪，结果表明 PointDSC 在多个实际数据集上比基于手工和基于深度学习的离群点拒绝方法都有更好的表现，并通过与不同的 3D 局部描述符进行组合来展示其广泛的适用性。

    Mar, 2021