基于信息熵的图像检索

在分析了现有的基于颜色、形状、纹理等基于内容的图像检索算法的基础上,提出了一种新的基于信息熵的图像检索算法,即利用图像的信息熵来描述图像的特性,结合网格描述符及图像颜色信息,采用图像单元熵构成的熵矩阵特征值矢量作为图像的特征描述,并提出了利用特征矢量进行图像检索的检索算法.实验结果表明,该算法具有尺度不变性、旋转不变性,并且对于颜色直方图不同但有视觉一致性的图像也有较好的检索效果.

一种改进AKAZE特征和RANSAC的图像拼接算法

针对传统图像描述方法在图像对变化复杂时特征点配准精度低,且传统RANSAC算法计算稳定性差的问题,提出一种结合改进AKAZE特征与RANSAC算法的图像拼接算法。利用AKAZE算法构造非线性尺度空间提取图像特征点,采用卷积神经网络描述符生成128维特征向量描述图像特征点,通过精简特征点并在迭代中设定嵌套阈值改进RANSAC算法得到最优变换矩阵模型,结合最佳缝合线算法和多频段融合算法对变换后的图像进行拼接。实验结果表明,和传统AKAZE算法相比,该算法在图像对的视角差异和光照差异较大时,配准精度分别提高12.60和6.99个百分点,改进后的RANSAC算法计算时间较改进前缩短4.17ms,图像拼接精度更高。