考虑空域分布多尺度信息熵的SAR图像模板匹配

图像的熵和多尺度熵仅考虑像素灰度分布而无视像素在空域分布的情况,基于此的图像匹配容易受噪声的影响而导致误配。为解决此问题,给出了一种空域分布多尺度信息熵(SDMSE),将图像像素在空域的分布与灰度空间分布结合起来,对不同的行或列求多尺度信息熵。在合成孔径雷达(SAR)图像匹配时,对输入图像和基准子图(基准图中和输入图尺寸一样的子图)求SDMSE矩阵,并通过求两矩阵的相似性来度量匹配程度,相似性最大的位置对应匹配点。仿真结果表明,所提匹配算法相比基于熵和多尺度熵的SAR匹配算法有更优异的噪声适应性,匹配误差更小,但计算耗时较多。在如何减少计算时间方面也做了尝试,实验表明尺度个数减少可以大幅减少计算时间而抗噪声性能并没有明显降低。

基于灰度分布特征的层次掌纹识别方法

目前掌纹识别算法主要集中在对掌纹图像所切取的ROI区域的研究,而对原始手部图像的灰度分布特征则讨论较少。在一定光照条件下,掌部不同位置的主线、皱纹和表层皮肤颜色的深浅在灰度图像上各自对应了不同的灰度级。该文提出一种利用手部尺寸和角度信息完成粗分类,借助单元信息熵的概念来分析手部图像的灰度分布特征从而完成细分类的层次掌纹识别方法。该方法不同于传统的对ROI区域进行特征提取的方法,直接利用整幅人手图像完成分类识别。在99类共990幅手部图像的数据库上进行的实验结果与PCA和LDA算法的对比表明,该算法具有比传统算法更高的鲁棒性,识别率也得到了较大幅度的提高。

基于SIFT的特征均匀提取改进研究

针对现在基于图像的三维重建面临的图像数据尺度不一和影像分辨率增高特征点增加两个问题,本文提出了基于SIFT的尺度均衡和均匀限制特征点数量的改进策略,通过采用给定特征点数量的方法来控制影像提取特征点的数量。同时根据高斯尺度增大与提取特征点数量成反比的特性,通过构建尺度与特征点数量的比例系数和给定特征点数量就可以获得影像的不同高斯尺度上提取的特征点数量。通过对影像进行格网划分,将提取特征点数量分配到每个格网。通过控制格网提取特征点数量的控制,可以在控制特征点提取数量的同时,获得更为均匀的特征点分布。实验证明,本文改进算法与SIFT算法相比,尺度分布更加均匀,空间分布的比例系数有30%左右的提升,提取特征点匹配的正确率有5%的提升,因此,本文改进算法在基于图像的三维重建中有一定程度的应用价值。