排序方式: 共有5条查询结果,搜索用时 10 毫秒
1
1.
针对红外图像和可见光图像灰度差异大、匹配困难的问题,提出了一种基于改进的尺度不变特征变换和形状上下文描述的局部多特征匹配算法。首先通过高斯差分检测算法分别提取两幅图像的特征点;针对特征点梯度方向存在反转现象,结合梯度镜像方法对特征点统计特征点邻域梯度方向信息;然后引入图像边缘特征生成形状上下文描述子,与梯度方向描述子级联成联合描述子;最后采用欧氏距离和卡方距离加权的联合距离和最近邻算法对特征点进行匹配。实验结果证明,在红外图像和可见光图像匹配中,该算法相比原始SIFT算法能有效减少误匹配特征点对,达到较高的匹配精度。 相似文献
2.
由于数字图像往往体现出很强的层次特征,定义一种针对图像像素点的空间约束分层树模型,对图像进行分割.通过查询像素点等级,对分层树进行概率统计,依照置信度下的等级赋值规则进行剪枝,得出节点的分类结果,从而完成图像的分割.为了加快树的生成,增加了空间约束条件.树的剪枝代表了图像的分割过程,剪枝条件的设置对最后的结果有较大的影响.实验结果表明,基于空间约束的分层树生成速度大大提高,图像分割结果良好. 相似文献
3.
针对红外和可见光图像匹配算法中普遍存在正确匹配率低的问题,提出了一种基于支持向量回归(support vector regression,SVR)的误匹配点剔除算法.算法在已知特征匹配点对的基础上,将点坐标作为SVR的训练样本;通过SVR建立回归模型,拟合匹配点对的坐标映射函数;最后根据映射函数判定匹配点对的正确性,实现误匹配点对的剔除.实验表明,本文算法对于误匹配点的判定与剔除具有明显的效果.与随机抽样一致性算法相比,能够在不损失正确匹配的前提下有效减少误匹配对,具有较高的正确率. 相似文献
4.
Retinex理论下的自适应红外图像增强 总被引:1,自引:0,他引:1
本文对Retinex的图像对比度增强方法进行修正,引入了非线性变换函数修正红外图像的照射分量和反射分量以及全局对比度增强函数拉伸图像照射分量,改善了全局图像视觉效果.同时使用非线性自适应S型函数进行局部灰度拉伸,从而更好地改善了图像对比度.提出的算法在增强红外图像细节,提高图像对比度方面优于已有的Retinex算法.该算法处理后的图像能够更有效地增强图像的对比度,突出图像的边缘与细节信息. 相似文献
5.
研究红外与可见光图像优化匹配的问题,为了解决灰度差异对图像匹配的影响,增强描述子的鲁棒性,提出了一种利用直线的红外与可见光图像匹配算法。对提高红外与可见光图像匹配精度具有重要意义。算法首先通过Canny算法进行直线提取;然后采用高斯卷积核构造尺度空间;在不同的尺度空间中统计互不重叠的子区域的梯度方向的均值和方差以构造描述符,并将描述符归一化;最后采用最近邻算法实现直线匹配。实验结果证明该算法能够实现红外与可见光图像直线匹配的旋转不变性、尺度不变性且对遮挡具有鲁棒性。表明改进算法能实现红外与可见光图像准确匹配。 相似文献
1