基于主成分分析方向深度梯度直方圖的特征提取算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)立體視覺深度圖特征提取精確度低、復(fù)雜度高的問(wèn)題，提出了一種基于主成分分析方向深度梯度直方圖（ PCA-HODG）的特征提取算法。首先，對(duì)雙目立體視覺圖像進(jìn)行視差計(jì)算和深度圖提取，獲取高質(zhì)量深度圖；然后，基于預(yù)設(shè)大小窗口對(duì)所獲取的深度圖進(jìn)行邊緣檢測(cè)和梯度計(jì)算，獲得區(qū)域形狀直方圖特征并量化；同時(shí)運(yùn)用主成分分析（PCA）進(jìn)行降維；最后，為實(shí)現(xiàn)特征獲取的精確性和完整性，采用滑動(dòng)窗口檢測(cè)方法實(shí)現(xiàn)整幅深度圖的特征提取，并再次降維。在特征匹配分類實(shí)驗(yàn)中，對(duì)于Street測(cè)試序列幀，該算法比距離樣本深度特征（RSDF）算法平均分類準(zhǔn)確率提高了1. 15%，而對(duì)于Tanks、Tunnel、Temple測(cè)試序列幀，該算法比測(cè)度不變特征（GIF）算法平均分類準(zhǔn)確率分別提高了0. 69%、1.95%、0.49%；同時(shí)與方向深度直方圖（HOD）、RSDF、GIF算法相比，平均運(yùn)行時(shí)間分別降低了71. 65%、78. 05%、80. 06%。實(shí)驗(yàn)結(jié)果表明，該算法不僅能夠更精確地檢測(cè)和提取深度圖特征，而且通過(guò)降低維數(shù)復(fù)雜度大大減少了運(yùn)行時(shí)間；同時(shí)算法具有較好的魯棒性。
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
基于主成分分析方向深度梯度直方圖的特征提取算法下載
相關(guān)電子資料下載
- Minitab 中包括哪些圖形？ 254
- 基于SPAD響應(yīng)線性化的無(wú)直方圖激光雷達(dá)開發(fā) 435
- 圖像直方圖的應(yīng)用場(chǎng)景 251
- 如何使用SBench6軟件對(duì)數(shù)字化儀采集信號(hào)進(jìn)行處理？（一）——波形算術(shù)運(yùn)算與 277
- 為什么不能直接對(duì)RGB圖做直方圖均衡化 681
- FPGA直方圖處理方法 870
- SuperPoint語(yǔ)義 SLAM深度學(xué)習(xí)用于特征提取 461
- 嵌入式操作教程：在LCD上顯示灰度圖像的直方圖統(tǒng)計(jì)結(jié)果 773
- 自動(dòng)駕駛激光雷達(dá)特征提取 354
- 基于RGM的魯棒且通用的特征匹配 361