|本期目录/Table of Contents|

[1]邢明,刘瑜,任佳,等.基于SIFT- SUSAN融合的草地障碍物识别算法[J].浙江理工大学学报,2016,35-36(自科3):427-432.
　XING Ming,LIU Yu,REN Jia,et al.Grass Obstacle Recognition Algorithm Based on SIFT SUSAN Fusion[J].Journal of Zhejiang Sci-Tech University,2016,35-36(自科3):427-432.
点击复制

基于SIFT- SUSAN融合的草地障碍物识别算法()
分享到：

浙江理工大学学报[ISSN:1673-3851/CN:33-1338/TS]

卷:
第35-36卷
期数:
2016年自科3期
页码:
427-432
栏目:
出版日期:
2016-05-10

文章信息/Info

Title:
Grass Obstacle Recognition Algorithm Based on SIFT SUSAN Fusion
文章编号:
1673-3851 (2016) 03-0427-06
作者:
邢明; 刘瑜; 任佳; 章思恩; 胡轩
浙江理工大学机械与自动控制学院，杭州 310018
Author(s):
XING Ming;  LIU Yu;  REN Jia;  ZHANG Sien;  HU Xuan
Faculty of Mechanical Engineering & Automation, Zhejiang Sci-Tech University, Hangzhou 310018, China
关键词:
特征提取; SIFT; SUSAN算子; 图像匹配
分类号:
TP391
文献标志码:
A
摘要:
SIFT（scale invariant feature transform）是一种对图像旋转、缩放、仿射变换具有良好不变性的机器视觉算法，在图像匹配识别上具有广泛的应用。但SIFT算法在对草地障碍物识别上存在误匹配率高和运算速度慢的问题，针对该问题提出一种SIFTSUSAN融合算法。算法引入SUSAN算子检测并提取障碍物特征边角点，使用SUSAN提取的特征边角点和SIFT提取的特征点融合计算，对SIFT的提取特征点精简筛选后进行特征匹配。实验结果验证该算法具有可行性和有效性，提高了匹配的准确率和识别速度，且具有较好的鲁棒性。

参考文献/References:

［1］ 汤一平,姜荣剑,林璐璐.基于主动式全景视觉的移动机器人障碍物检测［J］.计算机科学,2015,42(3):284-288,315.
［2］ WU X, ZHAO Q, BU W. A SIFTbased contactless palmprint verification approach using iterative RANSAC and local palmprint descriptors［J］. Pattern Recognition, 2014, 47(10):3314-3326.
［3］ SMITH R E. The effects of SIFT on the reproducibility and biological accuracy of the structural connectome.［J］. Neuroimage, 2015, 104:253-265.
［4］ LIU Y, LIU S, WANG Z. Multifocus image fusion with dense SIFT［J］. Information Fusion, 2015, 23:139-155.
［5］ LOWE  D G. Object recognition from local scaleinvariant feature ［C］. Proceedings of the IEEE International Conference on Computer Vision (ICCV’99), 1999，2：1150-1157.
［6］ LOWE  D G. Distinctive Image Features from ScaleInvariant Keypoints［J］. International Journal of Computer Vision, 2004, 60(2):91-110.
［7］ MIKOLAJCZYK K, SCHMID C. An affine invariant interest point detector［J］. International Journal of Computer Vision, 2002, 23（50）:128-142.
［8］ 杨世沛,陈杰,周莉,等.一种基于SIFT的图像特征匹配方法［J］.电子测量技术,2014,37(6):50-53.
［9］ 傅卫平,秦川,刘佳,等.基于SIFT算法的图像目标匹配与定位［J］.仪器仪表学报,2011,32(1):163-169.
［10］ 蔡健荣,周小军,王锋,等.柑橘采摘机器人障碍物识别技术［J］.农业机械学报,2009,40(11):171-175.
［11］ 魏利胜,周圣文.新型优化SIFT的图像快速配准方法研究［J］.计算机工程与应用,2015(5):167-171.
［12］ 姜小会,陈清奎,何强,等.一种基于SIFT和改进RANSAC的稳健图像拼接算法［J］.电脑知识与技术,2015(1):127-129.
［13］ 陈梦婷,闫冬梅,王刚.基于Harris角点和SIFT描述符的高分辨率遥感影像匹配算法［J］.中国图象图形学报,2012,17(11):1453-1459.
［14］ WANG Y Q, LIANG B, ZHUANG L L. Applied technology in unstructured road detection with road environment based on SIFTHarris［J］. Advanced Materials Research,2014,1014:259-262.
［15］ SMITH S M, BRADY J M. SUSAN:a new approach to low level image processing［J］. International Journal of Computer Vision, 1997, 23(1):45-78.

相似文献/References:

[1]刘鹏,戴文战.基于机器视觉的化妆品纸质标签缺陷检测方法[J].浙江理工大学学报,2019,41-42(自科二):231.
　LIU Peng,DAI Wenzhan.Method for detecting cosmetic paper label defects based  on machine vision[J].Journal of Zhejiang Sci-Tech University,2019,41-42(自科3):231.
[2]田秋红,杨慧敏,梁庆龙,等.视觉动态手势识别综述[J].浙江理工大学学报,2020,43-44(自科四):557.
　TIAN Qiuhong,YANG Huimin,LIANG Qinglong,et al.Overview on visionbased dynamic gesture recognition[J].Journal of Zhejiang Sci-Tech University,2020,43-44(自科3):557.
[3]杨怡然,吴巧英.智能化服装搭配推荐研究进展[J].浙江理工大学学报,2021,45-46(自科一):1.
　YANG Yiran,WU Qiaoying.Research progress of intelligent clothing matching recommendation[J].Journal of Zhejiang Sci-Tech University,2021,45-46(自科3):1.
[4]娄翔飞,吕文涛,叶冬,等.基于计算机视觉的行人检测方法研究进展[J].浙江理工大学学报,2023,49-50(自科三):318.
　LOU Xiangfei,L  Wentao,YE Dong,et al.Research progress of pedestrian detection methods  based on computer vision[J].Journal of Zhejiang Sci-Tech University,2023,49-50(自科3):318.
[5]杨健斌,李咏,夏淑东,等.基于Relief-F算法的心血管介入患者术后死亡风险预测[J].浙江理工大学学报,2024,51-52(自科三):378.
　YANG Jianbin,LI Yong,XIA Shudong,et al.Prediction of postoperative death risk in patients with  cardiovascular intervention based on the Relief-F algorithm[J].Journal of Zhejiang Sci-Tech University,2024,51-52(自科3):378.

备注/Memo

备注/Memo:
收稿日期： 2015-06-21
基金项目： 国家自然科学基金项目（61203177）
作者简介： 邢明(1990-)，男，浙江杭州人，硕士研究生，主要从事图像处理和模式识别方面的研究
通信作者： 刘瑜，E-mail:liuyu@zstu.edu.cn
更新日期/Last Update: 2016-06-06