基于相似度模型耦合角度制约规则的图像匹配算法

为了克服当前图像匹配方法主要通过测量距离的方法来实现图像匹配,忽略了图像间的相似度,导致算法存在错误匹配较多以及鲁棒性较差的问题。本文提出了基于相似度模型耦合角度制约规则的图像匹配算法。采用FAST检测方法对图像特征进行检测,快速获取鲁棒特征点,以改善算法的匹配正确率。随后,利用SURF特征描述机制,通过计算特征圆域内的Haar小波响应值,对特征点进行描述。引入结构相似度SSIM(structural similarity index measurement)模型,将其与欧氏距离模型相结合,构造相似度模型,从结构相似度与测量距离两方面出发,将特征点进行粗匹配。最后,利用特征点的余弦关系,求取特征点间角度,建立角度制约规则,对粗匹配结果完成优化。实验结果显示:与典型的匹配方法相比,该算法具有更好的匹配性能较好,在多种几何变换下仍具有理想的匹配精度。

利用Contourlet-SSIM视觉模型的IKONOS图像质量评价研究

针对遥感图像质量评价问题,提出了基于Contourlet变换的结构相似性(SSIM)评价的视觉模型。首先,通过25位遥感专业人员对经过处理的200幅高斯模糊图像、200幅椒盐噪声图像、500幅压缩失真图像进行评价,建立主观评分库;然后对经过Contourlet变换后的IKONOS图像进行C-SSIM质量评价;最后将CSSIM评价结果回归到主观评价空间,与均方误差、峰值信噪比、SSIM评价结果相比,本文方法与主观评价数据库较为一致,并优于其他质量评价模型。

利用图像二阶差分信息的图像质量评价方法

客观图像评价指标广泛应用于图像处理领域,不同的评价指标在不同失真类型图像中的适用性存在较大的差别。梯度结构相似性指数(GSSIM)利用图像一阶差分信息进行评价,在应用中存在一些不足。图像的二阶差分信息不仅反映了图像的结构信息,而且能够响应图像梯度的变化。将图像二阶差分信息、对比度、亮度相结合,提出基于图像二阶差分信息的图像质量评价方法DG-SSIM,实验结果表明,DG-SSIM相对于其他评价指标能够更好地符合人眼视觉系统(HVS)的特性,且图像质量评价模型的性能指标也优于其他评价指标。