本文摘要：摘 要：針對(duì)海量控制點(diǎn)影像管理現(xiàn)狀中的不足, 提出了基于數(shù)據(jù)庫(kù)方式進(jìn)行控制點(diǎn)影像管理與應(yīng)用的新模式, 并基于內(nèi)存動(dòng)態(tài)調(diào)度, 采用VC6.0平臺(tái), 實(shí)現(xiàn)了控制點(diǎn)影像數(shù)據(jù)庫(kù)系統(tǒng)。通過該系統(tǒng)在青海第二測(cè)繪局的應(yīng)用實(shí)踐表明, 該系統(tǒng)能夠有效提高控制點(diǎn)影像數(shù)據(jù)的管
摘 要：針對(duì)海量控制點(diǎn)影像管理現(xiàn)狀中的不足, 提出了基于數(shù)據(jù)庫(kù)方式進(jìn)行控制點(diǎn)影像管理與應(yīng)用的新模式, 并基于內(nèi)存動(dòng)態(tài)調(diào)度, 采用VC6.0平臺(tái), 實(shí)現(xiàn)了控制點(diǎn)影像數(shù)據(jù)庫(kù)系統(tǒng)。通過該系統(tǒng)在青海第二測(cè)繪局的應(yīng)用實(shí)踐表明, 該系統(tǒng)能夠有效提高控制點(diǎn)影像數(shù)據(jù)的管理效率, 在控制點(diǎn)影像數(shù)據(jù)的檢查、更新以及管理等方面發(fā)揮作用。同時(shí), 基于數(shù)據(jù)庫(kù)方式的控制點(diǎn)影像管理, 有益于提高利用控制點(diǎn)對(duì)控制點(diǎn)影像匹配的速度, 對(duì)促進(jìn)測(cè)繪資料的高效利用有著重要意義。
關(guān)鍵詞：控制點(diǎn)影像; 影像匹配; 內(nèi)存調(diào)度; 報(bào)表生成
控制點(diǎn)影像在空間數(shù)據(jù)生產(chǎn)中具有關(guān)鍵作用, 是影像預(yù)處理的重要組成部分[1]。隨著測(cè)繪資料的增加, 人工管理控制點(diǎn)影像, 主要存在如下局限[1]: (1) 人工選擇控制點(diǎn), 對(duì)人員專業(yè)素質(zhì)要求較高, 需要具備良好的專業(yè)基礎(chǔ)和較高的影像判別能力[2]; (2) 對(duì)于海量控制點(diǎn)影像, 其查詢與更新, 人工管理方式都存在較大的弊端[3]; (3) 影像控制點(diǎn), 屬于機(jī)密資料, 人工管理存在較大的保密安全隱患[4]。因此, 建立控制點(diǎn)影像系統(tǒng), 采用科學(xué)有效的手段來管理控制點(diǎn)影像, 迫在眉睫。眾多研究表明, 當(dāng)前控制點(diǎn)影像庫(kù)系統(tǒng), 其控制點(diǎn)及控制點(diǎn)匹配大多由人工干預(yù)選取, 其自動(dòng)化程度不高耗費(fèi)的人力物力較大[5]。另外, 由于生產(chǎn)中使用的影像數(shù)據(jù)占用內(nèi)存較大, 時(shí)常存在調(diào)用卡頓的現(xiàn)象, 影響作業(yè)的效率, 而且當(dāng)前應(yīng)用系統(tǒng)均缺少控制點(diǎn)影像報(bào)表自動(dòng)生成功能, 不利于資料交替�；谝陨蠁栴}, 提出了海量控制點(diǎn)影像庫(kù)系統(tǒng), 旨在自動(dòng)提取控制點(diǎn)和實(shí)現(xiàn)控制點(diǎn)匹配, 同時(shí)引入TLSF算法優(yōu)化內(nèi)存調(diào)度, 提升用戶體驗(yàn)。此外, 系統(tǒng)還實(shí)現(xiàn)了控制點(diǎn)信息報(bào)表自動(dòng)生成功能, 便于資料移交和使用。具體的關(guān)鍵技術(shù)與系統(tǒng)功能如下詳述。
1 系統(tǒng)設(shè)計(jì)
系統(tǒng)的環(huán)境為Windows 7操作系統(tǒng), VC 6.0開發(fā)平臺(tái), Sql server數(shù)據(jù)庫(kù)管理系統(tǒng)。該影像系統(tǒng)主要由4個(gè)板塊組成, 分別是影像質(zhì)量控制板塊、影像數(shù)據(jù)庫(kù)入庫(kù)與更新板塊、數(shù)據(jù)安全與備份板塊、數(shù)據(jù)應(yīng)用板塊。海量影像數(shù)據(jù)庫(kù)系統(tǒng)的主要功能結(jié)構(gòu)如圖1所示。
主要功能結(jié)構(gòu)Fig.1 Structure diagram of the main functions 下載原圖該系統(tǒng)主要完成對(duì)影像庫(kù)中數(shù)據(jù)的檢查、更新、查找、應(yīng)用以及管理等功能。影像質(zhì)量控制模塊主要用來檢查數(shù)據(jù)錄入的格式, 處理影像的幾何糾正問題。影像數(shù)據(jù)入庫(kù)與更新模塊功能是控制點(diǎn)的錄入與批量錄入、影像的錄入與批量錄入、數(shù)據(jù)的修改與更新。影像的安全與備份模塊功能是報(bào)表的自動(dòng)生成與訪問影像庫(kù)身份設(shè)置。影像庫(kù)可以完成影像與控制點(diǎn)在該界面的顯示、查詢和輸出等功能。
2 關(guān)鍵技術(shù)
2.1 影像間自動(dòng)匹配
系統(tǒng)借鑒了sift影像匹配算法與RANSAC去除誤差算法。sift與其他影像匹配算法相比, 有效地減少了錯(cuò)綜控制點(diǎn)的干擾問題, 提高了匹配時(shí)的速度, 同時(shí)使用影像的特征點(diǎn)代替影像人工選擇的控制點(diǎn), 更多的考慮了影像的特征信息, 也就是說sift算法是尋找在2個(gè)影像中特征最相像的點(diǎn)匹配, 改變了之前算法過于復(fù)雜的情況, 是一種十分高效的影像匹配算法。它的設(shè)計(jì)思路是將圖像之間的匹配轉(zhuǎn)換為特征向量之間的匹配。選取的特征要求不會(huì)隨著影像的旋轉(zhuǎn)等變化而改變, 且該特征在空間域與頻率域都有很好的定位作用, 這樣可以減少在圖像匹配時(shí)因噪聲產(chǎn)生的誤差。該方法的重要特點(diǎn)是可以生成大量的特征向量, 這些特征可以在各種尺度和位置上密集地覆蓋圖像。特征量對(duì)于對(duì)象識(shí)別尤其重要, 例如在雜亂背景中可靠地檢測(cè)并識(shí)別小對(duì)象時(shí), 要求每個(gè)對(duì)象至少正確匹配3個(gè)特征向量[6]。該匹配方法大致可以分為5個(gè)步驟: (1) 尺度空間極值檢測(cè); (2) 關(guān)鍵點(diǎn)定位; (3) 關(guān)鍵點(diǎn)方向分配; (4) 提取特征描述; (5) 特征點(diǎn)匹配[6]。(1) 尺度空間極值檢測(cè) 使用圖像金字塔與尺度空間結(jié)合, 即先對(duì)圖像進(jìn)行降采樣或升采樣, 減少或增加其分辨率形成圖像金字塔, 再對(duì)每一層采樣后的圖像使用不同維度的二元高斯函數(shù)進(jìn)行平滑, 即假如一張影像的圖像金字塔有n張, 做m次平滑我們就可以得到m×n張的不同影像, 之后使用同分辨率層中相鄰的影像相減即得到DOG算子模型。平滑圖像公式為
(2) 關(guān)鍵點(diǎn)定位 在獲得影像金字塔模型后就要尋找影像灰度變化的極值, 由于原影像數(shù)據(jù)為離散灰度值, 所以需要插值, 這里插值函數(shù)與極值點(diǎn)為
用于控制點(diǎn)匹配的另一種算法RANSAC是一種簡(jiǎn)單快捷的去除噪音的方法, 其優(yōu)勢(shì)在于使用少量的點(diǎn)就可以得到大范圍的估計(jì)模型, 在sift算法影像提取特征點(diǎn)時(shí)可以剔除的只是邊緣的錯(cuò)誤特征點(diǎn), 系統(tǒng)對(duì)其方法進(jìn)行改正, 用RANSAC算法對(duì)特征點(diǎn)定位后的結(jié)果去除噪聲點(diǎn), 具體方法如下:(1) 均勻選取L個(gè)點(diǎn)擬合出一個(gè)連續(xù)灰度曲面。(2) 計(jì)算除了L個(gè)點(diǎn)的其他數(shù)據(jù)點(diǎn)距離曲面的距離, 超出閾值的舍去。(3) 沒有舍去的點(diǎn)即為有效特征點(diǎn)。選取L個(gè)不同的初始點(diǎn), 將以上算法迭代K次, 得
其中:Z為K次有一次L個(gè)點(diǎn)都是有效特征點(diǎn)的概率; (1-ωL) K表示K次迭代沒有一次迭代選中的點(diǎn)都是有效特征點(diǎn)的概率。(3) 方向賦值 得到了需要的特征點(diǎn)后, 通過二元梯度計(jì)算公式得到每一個(gè)特征點(diǎn)的梯度值方向與幅值, 將其按照東、南、西、北、東北、西北、東南、西南8個(gè)方向進(jìn)行統(tǒng)計(jì), 得到幅值>80%的所有方向。到這一步我們獲得了所有有效特征點(diǎn)的賦值信息, 包括位置、方向和尺度。(4) 關(guān)鍵點(diǎn)描述 sift算法就是用特征點(diǎn)的方向來代替影像點(diǎn)直接的匹配, 所以需要將每一個(gè)特征點(diǎn)轉(zhuǎn)化為特征向量。為了保證特征方向的旋轉(zhuǎn)不變性, 就要保證主方向不變, 即將影像方向與特征向量方向重合。設(shè)圖像2次旋轉(zhuǎn)角度相差的值為θ, 最終旋轉(zhuǎn)公式為
其中:X與x為坐標(biāo)矩陣。(5) 特征點(diǎn)匹配 匹配2幅不同時(shí)相下的影像時(shí), 使用以上4步對(duì)影像特征矢量化, 之后找到特征最相似的2點(diǎn)即為匹配點(diǎn), 由于結(jié)果有很多錯(cuò)誤匹配點(diǎn), 所以在最后匹配時(shí)應(yīng)該設(shè)置閾值a, a為最近匹配點(diǎn)和次近匹配點(diǎn)之比。在a較大時(shí)會(huì)產(chǎn)生大量錯(cuò)誤匹配, a取小值時(shí)特征匹配點(diǎn)對(duì)數(shù)會(huì)減小, 此次系統(tǒng)采用a值為0.5。
2.2 內(nèi)存動(dòng)態(tài)管理
(1) 內(nèi)存管理原理 靜態(tài)內(nèi)存管理在程序開始運(yùn)行時(shí)系統(tǒng)就會(huì)為程序分配一定的存儲(chǔ)空間, 在程序運(yùn)行完成后再全部釋放內(nèi)存, 動(dòng)態(tài)內(nèi)存管理的好處在于不需要提前預(yù)留內(nèi)存空間, 可以根據(jù)程序本身要求內(nèi)存進(jìn)行分配。但傳統(tǒng)的動(dòng)態(tài)內(nèi)存管理也存在碎片化等問題。結(jié)合控制點(diǎn)影像庫(kù)管理系統(tǒng)的要求與傳統(tǒng)內(nèi)存管理存在的問題, 設(shè)計(jì)的新的內(nèi)存動(dòng)態(tài)調(diào)用機(jī)制需要滿足以下幾點(diǎn)的要求:(1) 在影像庫(kù)使用過程中調(diào)用數(shù)據(jù)的速度是影響作業(yè)的關(guān)鍵所在。該系統(tǒng)采用的新的內(nèi)存管理機(jī)制主要通過改變?cè)械臄?shù)據(jù)結(jié)構(gòu), 使用新的分割內(nèi)存塊的方法實(shí)現(xiàn)。(2) 最適應(yīng)性原則。在一個(gè)內(nèi)存管理機(jī)制中如何快速的找到與請(qǐng)求內(nèi)存需求大小最適合的空閑內(nèi)存塊是后續(xù)工作進(jìn)行的前提, 這是對(duì)首次適應(yīng)方法的改進(jìn)。(3) 減少內(nèi)存碎片提高內(nèi)存池的使用效率[11]。許多實(shí)例已經(jīng)證明了碎片問題會(huì)嚴(yán)重限制內(nèi)存管理。Johnstone等人曾指出“在內(nèi)存分配機(jī)制中, 內(nèi)存碎片確實(shí)是一個(gè)十分難以解決的問題”。該系統(tǒng)使用的內(nèi)存動(dòng)態(tài)調(diào)度機(jī)制的關(guān)鍵是定義了一個(gè)內(nèi)存分配器, 系統(tǒng)通過內(nèi)存分配器對(duì)用戶存儲(chǔ)請(qǐng)求進(jìn)行處理, 進(jìn)而實(shí)現(xiàn)了對(duì)數(shù)據(jù)庫(kù)內(nèi)存分配的動(dòng)態(tài)管理。例如, 當(dāng)影像管理系統(tǒng)下Sql Sever數(shù)據(jù)庫(kù)接受到用戶的內(nèi)存請(qǐng)求后, 從其所維護(hù)的虛擬地址空間區(qū)域?yàn)橛脩舫绦蚍峙渌枰笮〉目臻g, 而不是通過Windows內(nèi)存管理API函數(shù)malloc () /new來實(shí)現(xiàn)[12]。同理在用戶執(zhí)行其他有關(guān)數(shù)據(jù)庫(kù)存儲(chǔ)操作時(shí), 其工作都將會(huì)由內(nèi)存管理器來承擔(dān)而不是原有系統(tǒng)的函數(shù)。所以其是一種自定義的內(nèi)存分配器, 可以根據(jù)實(shí)際的情況對(duì)分配器修改, 與原有的內(nèi)存分配相比具有更好的適應(yīng)性。(2) 內(nèi)存管理器數(shù)據(jù)結(jié)構(gòu) 此次設(shè)計(jì)的控制點(diǎn)影像管理系統(tǒng)中內(nèi)存管理機(jī)制主要用到了TLSF算法, TLSF算法是一種良好適應(yīng)性算法, 其使用一串空列表, 每一個(gè)列表里都是無序的空閑內(nèi)存塊, 其大小介于上一個(gè)列表類與下一個(gè)列表類之間, 每一個(gè)列表包含著相同分類等級(jí)的內(nèi)存塊, 使其可以找到與請(qǐng)求內(nèi)存大小最匹配的空閑內(nèi)存塊。詳細(xì)結(jié)構(gòu)如下。在對(duì)影像數(shù)據(jù)存儲(chǔ)時(shí)TLSF算法會(huì)分2級(jí)去尋找空內(nèi)存塊, 這樣比順序的查找計(jì)算機(jī)中的空內(nèi)存塊效率更高且內(nèi)存碎片更少, 該算法將內(nèi)存分為2個(gè)隔離級(jí), 第1級(jí)以2k (k=1, 2, …, n) 為區(qū)間對(duì)計(jì)算機(jī)存在的空閑內(nèi)存塊進(jìn)行劃分[13]。第2級(jí)在第1級(jí)的基礎(chǔ)上再次劃分, 具體劃分區(qū)間大小可以調(diào)整 (都要為2的冪) , 這里我們將其劃分為4個(gè)區(qū)間, 以25為例將其劃分為[32, 40) 、[40, 48) 、[48, 56) 、[56, 64) 這4個(gè)區(qū)間。不論是一級(jí)還是二級(jí)鏈表都有位圖文件去表示每一區(qū)間中塊是否有空余。結(jié)構(gòu)如圖2所示, 圖2中黑色方塊為最后搜索到的空閑內(nèi)存。
圖2 TSLF數(shù)據(jù)結(jié)構(gòu)Fig.2 TSLF data structure 下載原圖確定一級(jí)搜索位置的變量設(shè)為N, 確定二級(jí)搜索位置的變量設(shè)為M, N/M值的大小由影像內(nèi)存的尺寸大小 (設(shè)為SIZE) 來決定, 其公式為
其中:SLI為二級(jí)小區(qū)間長(zhǎng)度。在影像庫(kù)數(shù)據(jù)釋放后通過指針?biāo)阉鞯较噜彽目臻e內(nèi)存塊, 將釋放后的空內(nèi)存塊與原有空閑內(nèi)存鏈相連接。該方法可以顯著地減少內(nèi)存碎片, 符合分配機(jī)制的設(shè)計(jì)要求。分類器中分配流程和在內(nèi)存釋放后分配器處理流程如圖3所示。
圖3 內(nèi)存分配器工作流程Fig.3 Working process of memory allocator 下載原圖2.3 報(bào)表的自動(dòng)生成
海量的控制點(diǎn)影像存儲(chǔ)對(duì)于管理來說是一種挑戰(zhàn), 如何更好地適應(yīng)大數(shù)據(jù)量的管理, 同時(shí)適應(yīng)系統(tǒng)對(duì)于影像數(shù)據(jù)的分布式數(shù)據(jù)管理體系是一個(gè)必須要解決的問題。元數(shù)據(jù)對(duì)于影像的有效管理不可或缺, 對(duì)于影像數(shù)據(jù)庫(kù)來說其功能可以劃分為7種, 分別是描述性元數(shù)據(jù)、結(jié)構(gòu)性元數(shù)據(jù)、管理性元數(shù)據(jù)、存儲(chǔ)性元數(shù)據(jù)[14]。元數(shù)據(jù)大多存儲(chǔ)在開發(fā)系統(tǒng)的數(shù)據(jù)庫(kù)中, 傳統(tǒng)的影像庫(kù)大多是對(duì)于感興趣區(qū)域框選后, 在界面上顯示相關(guān)的影像信息, 其缺點(diǎn)在于界面無法顯示過多的元數(shù)據(jù), 且在查找具體的元數(shù)據(jù)時(shí)也存在困難。該系統(tǒng)將元數(shù)據(jù)在數(shù)據(jù)庫(kù)中自動(dòng)生成報(bào)表, 通過控制點(diǎn)影像庫(kù)系統(tǒng)使用Sql Sever數(shù)據(jù)庫(kù)查詢自動(dòng)生成相關(guān)數(shù)據(jù)的元數(shù)據(jù)報(bào)表, 具體形式見表1和表2。
表1 控制點(diǎn)元數(shù)據(jù)Table 1 Meta date table of the control point 下載原表
上述列出的是一些重要元數(shù)據(jù)信息, 具體報(bào)表信息可以根據(jù)需求進(jìn)行選取。
3 系統(tǒng)的實(shí)現(xiàn)
3.1 系統(tǒng)界面實(shí)現(xiàn)
基于以上思路, 設(shè)計(jì)出了運(yùn)行良好的海量控制點(diǎn)影像庫(kù)管理系統(tǒng), 并將其應(yīng)用到了青海影像庫(kù)的建設(shè)中。軟件整體不僅可以滿足控制點(diǎn)影像庫(kù)的調(diào)用存儲(chǔ), 還可以完成許多影像庫(kù)應(yīng)用的功能, 例如mdb、dxf等數(shù)據(jù)的導(dǎo)入導(dǎo)出, 地圖的快速制作與矢量數(shù)據(jù)的快速入庫(kù)等功能, 它的界面與主要功能菜單如圖4所示。
3.2 主要功能實(shí)現(xiàn)
該系統(tǒng)的優(yōu)勢(shì)在于提高了控制點(diǎn)選取的自動(dòng)化程度, 加快了數(shù)據(jù)存儲(chǔ)調(diào)用的效率, 提供影像庫(kù)系統(tǒng)元數(shù)據(jù)自動(dòng)成表打印三大功能, 有效地提高了控制點(diǎn)影像庫(kù)相關(guān)作業(yè)的效率。
表2 影像元數(shù)據(jù)Table 2 Meta date of the image 下載原表
該系統(tǒng)使用sift與RANSAC算法結(jié)合完成圖像控制點(diǎn)的匹配, 最終完成影像的幾何糾正, 其操作順序?yàn)榭刂泣c(diǎn)自動(dòng)生成→控制點(diǎn)匹配, 匹配完成結(jié)果如圖5所示。從圖5中可以看出小幅影像圖上控制點(diǎn)與庫(kù)中影像順利匹配。將設(shè)計(jì)好的控制點(diǎn)影像庫(kù)與原青海控制點(diǎn)影像庫(kù)在調(diào)用影像與控制點(diǎn)速率上進(jìn)行測(cè)試對(duì)比, 結(jié)果見表3。其中影像加載速度是一幅影像從確定導(dǎo)入到導(dǎo)入完成需要耗費(fèi)的時(shí)間, 控制點(diǎn)加載速度是測(cè)試的一幅影像中控制點(diǎn)導(dǎo)入全部的速度, 卡頓率為每導(dǎo)入100幅影像圖存在超過5min以上卡頓情況的影像數(shù)。從表3可以看出該系統(tǒng)通過設(shè)計(jì)內(nèi)存管理器大幅度的提高了影像與控制點(diǎn)調(diào)用的速度, 明顯降低了卡頓率, 達(dá)到了軟件設(shè)計(jì)的目的。影像導(dǎo)入的同時(shí)需將其對(duì)應(yīng)的原始元數(shù)據(jù)導(dǎo)入, 系統(tǒng)可以每隔30min記錄1次影像與控制點(diǎn)修改的情況, 并將記錄在元數(shù)據(jù)中直接生成表格輸出, 系統(tǒng)輸出元數(shù)據(jù)格式為mat格式。
4 結(jié)論
結(jié)合Sql Sever開發(fā)的海量控制點(diǎn)影像庫(kù)系統(tǒng), 良好地實(shí)現(xiàn)了對(duì)海量控制點(diǎn)影像的檢查、更新、查找以及管理等應(yīng)用操作, 并且對(duì)現(xiàn)在影像庫(kù)設(shè)計(jì)中的不足進(jìn)行改進(jìn), 提高了影像匹配的自動(dòng)化程度, 完善了影像庫(kù)框架下內(nèi)存分配的漏洞, 增加了影像庫(kù)中報(bào)表自動(dòng)生成的功能, 提高了影像庫(kù)管理安全性, 并將開發(fā)系統(tǒng)成功應(yīng)用于青海影像庫(kù)的管理中。事實(shí)證明其顯著地提高了青海第二測(cè)繪院在影像存儲(chǔ)與應(yīng)用中的效率, 節(jié)省了大量的人力物力資源, 對(duì)影像庫(kù)的管理設(shè)計(jì)有著重要的意義。但系統(tǒng)同樣存在應(yīng)用數(shù)據(jù)不夠多樣化的情況, 這就導(dǎo)致我們不了解在使用其他類型數(shù)據(jù)時(shí)該系統(tǒng)是否可以全部正常運(yùn)行, 所以該系統(tǒng)還不足夠穩(wěn)定, 存在風(fēng)險(xiǎn), 因此需要我們?nèi)ゲ粩嗟膰L試, 將不同的數(shù)據(jù)類型應(yīng)用于系統(tǒng), 不斷發(fā)現(xiàn)問題并改善。另外sift算法為暴力影像匹配, 需要對(duì)整幅影像搜索匹配, 當(dāng)影像特別大時(shí)會(huì)影響匹配速度。
參考文獻(xiàn)
[1]盧剛.控制點(diǎn)影像庫(kù)的設(shè)計(jì)與實(shí)現(xiàn)[C]//江蘇省測(cè)繪學(xué)會(huì)、江蘇省測(cè)繪學(xué)會(huì)航測(cè)與遙感專業(yè)委員會(huì).江蘇省測(cè)繪學(xué)會(huì)2011年學(xué)術(shù)年會(huì)論文集.江蘇省測(cè)繪學(xué)會(huì)、江蘇省測(cè)繪學(xué)會(huì)航測(cè)與遙感專業(yè)委員會(huì), 2011.[2]陳愛玲, 陳子越.基于控制點(diǎn)影像數(shù)據(jù)庫(kù)的國(guó)產(chǎn)衛(wèi)星影像糾正技術(shù)研究[J].測(cè)繪與空間地理信息, 2016, 39 (8) :28-30.[3]溫禮, 柴淵, 田立瑛, 等.土地利用動(dòng)態(tài)遙感監(jiān)測(cè)控制點(diǎn)影像庫(kù)管理系統(tǒng)建設(shè)[J].遙感學(xué)報(bào), 2007, (4) :595-600.[4]王占宏, 王月莉, 李發(fā)紅.基于控制點(diǎn)影像數(shù)據(jù)庫(kù)的控制點(diǎn)提取研究[J].測(cè)繪通報(bào), 2009, (12) :13-15, 30.[5]趙筱榕, 劉津.基于控制點(diǎn)影像數(shù)據(jù)庫(kù)的國(guó)產(chǎn)衛(wèi)星影像幾何糾正[J].測(cè)繪通報(bào), 2013, (8) :61-64, 90.[6]Lowe D G.Distinctive Image Features from Scale-Invariant Keypoints[J].International Journal of Computer Vision, 2004, 60 (2) :91-110.[7]Ke Y, Sukthankar R.PCA-SIFT:A More Distinctive Representation for Local Image Descriptors[C]//Computer Vision and Pattern Recognition, 2004.CVPR 2004.Proceedings of the2004IEEE Computer Society Conference on.IEEE, 2004:Ⅱ.[8]Zhao J, Liu H, Feng Y, et al.BE-SIFT:A More Brief and Efficient SIFT Image Matching Algorithm for Computer Vision[C]//IEEE International Conference on Computer and Information Technology;Ubiquitous Computing and Communications;Dependable, Autonomic and Secure Computing;Pervasive Intelligence and Computing.IEEE, 2015:568-574.[9]屈慶琳, 李良光.TLSF算法在嵌入式系統(tǒng)中的研究與實(shí)現(xiàn)[J].計(jì)算機(jī)與信息技術(shù), 2011, 19 (10) :24-26.[10]王欣, 邱昕, 慕福奇, 等.嵌入式系統(tǒng)新型動(dòng)態(tài)內(nèi)存管理機(jī)制的研究[J].微電子學(xué)與計(jì)算機(jī), 2017, 34 (8) :66-69.[11]李江, 梅靜靜, 王申良, 等.TLSF動(dòng)態(tài)內(nèi)存分配算法的研究與應(yīng)用[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用, 2011, 11 (11) :1-4.[12]魏海濤, 姜昱明, 李建武, 等.內(nèi)存管理機(jī)制的高效實(shí)現(xiàn)研究[J].計(jì)算機(jī)工程與設(shè)計(jì), 2009, 30 (16) :3708-3712.[13]Masmano M, Ripoll I, Crespo A, et al.TLSF:A New Dynamic Memory Allocator for Real-time Systems[C]//Euromicro Conference on Real-Time Systems.IEEE Computer Society, 2004.[14]于詠.元數(shù)據(jù)在縮微影像數(shù)據(jù)庫(kù)中的應(yīng)用[J].數(shù)字與縮微影像, 2013, (2) :5-7.
推薦閱讀：《數(shù)字與縮微影像》(季刊)創(chuàng)刊于1982年，由北京電影機(jī)械研究所主辦。本刊自創(chuàng)刊以來一直貫徹普及與提高相結(jié)合的辦刊方針，以普及為主，以應(yīng)用為主。
轉(zhuǎn)載請(qǐng)注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/18659.html
