优化自相关以实现大搜索空间中的快速目标搜索
计算机视觉与模式识别
2014-07-28 v2
摘要
遥感图像中的模糊由大气散射、光学像差、空间和 temporal 传感器积分等多种因素引起。这种自然模糊可利用于通过快速模板匹配加速目标搜索。本文综合诱导额外的非均匀模糊以进一步提高匹配过程的速度。为避免精度损失，根据图像底层内容在空间上变化合成模糊的量。我们通过引入受控图像模糊扩展了用于快速模板匹配的传递算法。为此，我们提出了一种高效组大小 (EGS) 算法，该算法最小化了特定搜索图像的相似度计算次数。较大的高效组大小保证了更少的计算量和更高的加速比。EGS 算法作为组件用于我们提出的优化自相关 (OptA) 算法中。在 OptA 中，搜索图像被迭代地进行非均匀模糊处理，同时确保任何图像位置均无精度下降。在每次迭代中，利用提出的 EGS 算法估计高效组大小和总体计算量。当无法在不降低精度的情况下进一步减少计算量时，OptA 算法停止。使用相关系数作为相似度度量，将所提算法与六种现有的最先进穷尽精度技术进行了比较。在卫星和航空图像数据集上的实验证明了所提算法的有效性。
引用
@article{arxiv.1407.3535,
title = {Optimizing Auto-correlation for Fast Target Search in Large Search Space},
author = {Arif Mahmood and Ajmal Mian and Robyn Owens},
journal= {arXiv preprint arXiv:1407.3535},
year = {2014}
}