资 源 简 介
虽然图像对齐方式在不同的计算机视觉领域中研究几十年了，对齐图像描绘不同的场景仍然是一个具有挑战性的问题。类似于在哪里到其世俗地相邻帧对齐图像的光流，我们建议 SIFT 流，一种对齐于它的近邻包含多个场景的大图像语料库中的图像的方法。匹配两个图像，同时保留空间不连续性之间的密被采样，得到 SIFT 特征的 SIFT 流量算法组成。SIFT 特征允许跨不同的场景对象外观的鲁棒性匹配而不连续保持空间模型允许匹配的对象位于不同的地区的场景。实验结果表明，该方法鲁棒对齐复杂场景对含有显著的空间差异。基于 SIFT 流，提出了对齐基于图像分析和图像信息在那里从最近邻转移到密集的场景对应的查询图像的合成、 大型数据库框架。这一框架证明通过具体的应用程序如从单个图像，通过对象传输运动合成的运动领域预测卫星图像注册与人脸识别。
