基于算术-几何均值距离的多模态图像配准

根据图像灰度联合概率分布函数与图像相似程度之间的关系,提出了一种基于算术 几何均值距离的多模态图像配准新测度。与基于信息论的测度不同,新测度不再要求概率分布必须满足连续性的要求。实验结果表明,所提出的新测度比基于信息论的测度具有更强的噪声鲁棒性和计算量更小。

最大化算术-几何均值距离的多传感器遥感图像配准

互信息是多模态医学图像配准的一种重要方法。它测量的是两个概率分布之间的Kullback-Leibler(KL)距离。该文分析了KL距离和Shannon不等式之间的关系,在此基础上,提出了一种新的算术-几何均值距离,并将这一距离测度用于多传感器遥感图像的配准处理。与Kullback-Leibler距离不同,新的距离测度具有对称性,并且对概率值为0的情况不需要特殊处理。文中首先通过一维仿真信号对算术-几何(AG)测度进行了分析,并使用 Thematic Mapper(TM),Satellite POsitioning and Tracking(SPOT)遥感图像和雷达图像进行了配准实验,验证了提出的新的算术-几何均值距离函数在配准多传感器遥感图像方面的有效性。与目前常用的相关系数的方法不同,这种新方法对于像素灰度值不具有线性关系的多传感器遥感图像能够实现配准处理。