Model Globally, Match Locally: Efficient and Robust 3D Object Recognition 中文翻译 ；原网页为：http://campar.in.tum.de/pub/drost2010CVPR/drost2010CVPR.pdfHash table I1. n A (m1,m2) F i.11 m;, (Key to (ms, m6) F1=m2 hash table 图2.(a)两个定向点的点对特征F.分量F1被设置为点F2和F3与法

针对基于特征点的弹性配准方法对局部存在较大尺度形变的医学图像配准精度较低的不足,提出一种从全局到局部逐步细化的特征提取弹性配准方法.该方法首先采用尺度不变特征变换算法(scale invariant feature transform,SIFT)对图像进行特征提取与匹配以完成初步配准.然后通过计算参考图像和初步配准图像中所有控制点的领域均方差(mean square difference,MSD)寻找存在较大尺度形变的局部区域,在这些区域使用互信息再次进行特征提取,并利用层次B样条插值实现图像的

使用全局信息对图像局部不变特征进行匹配