基于特征的图像配准方法
来源:互联网 发布:淘宝卖家直播申请入口 编辑:程序博客网 时间:2024/05/21 06:52
From: 基于特征的图像配准方法
基于特征的图像配准过程
(1) 特征空间
基于特征的配准方法在进行图像预处理从图像中提取所选的特征之前,要先确定特征空间。通常,特征空间的选择要考虑下面五个因素。
① 相似性:参考图像与待配准图像中要匹配的特征应该是同类型的,且具有某种不变性;
② 唯一性:从待配准两图像中提取的匹配特征必须一一对应;
③ 稳定性:若待配准两图像成像时间不同,或来自具有不同物理参数的传感器时,提取的特征不会发生剧烈变化,同时其在两幅图像的旋转、平移和尺度大小等变换中应当一致;
④ 空间分布:两幅图像重叠区域所选择的匹配特征在几何空间上要尽可能地均匀分布。另外,选择的特征数量过多会增大匹配计算的开销,但如果选择的特征数量太少会增大对噪声的敏感性;
⑤ 易检测性:选取的特征应该是容易被提取出来的。
(2) 特征提取
在基于图像特征的配准方法中,常采用的特征有以下几类:
①点特征:基于图像特征的配准方法中,点特征是最常采用的。典型的点特征有角点、线交叉点、封闭曲线的质心、轮廓上的曲率最大点、Gabor 小波检测出的局部曲率不连续点[35]和小波变换的局部极大值点[36]等。还可以利用检测算子(Moravec算子、Forstner 算子或Harris 算子等)提取点特征。Smith[37]提出了SUSAN 角点检测法。Turcajova [38]基于角点图像亮度在方向变化时都应该比较大的思想提取角点。文献[39,40]首先通过对图像作小波变换,计算出小波变换的模值,图像中的边缘点即对应模的局部极大值点,两种方法均基于小波变换的多分辨分析理论。
②线特征:线特征代表了图像中大部分本质结构,是特征空间的一个较好选择。
- 基于特征的图像配准方法
- 基于特征的图像配准
- 基于特征的图像配准
- 基于多特征集成的图像自动标注方法研究
- 基于Hadoop批量图像特征提取方法的思考
- opencv:基于不变矩方法的图像特征提取
- 基于图像特征的检索
- 基于图像配准的图像特征检测之sift算法----sift算法总结
- 图像特征的描述方法
- 基于SIFT特征的图像配准(附Matlab源代码)
- 基于SIFT点特征匹配的图像配准MATLAB程序
- 基于SIFT点特征匹配的图像配准MATLAB程序
- 基于SIFT点特征匹配的图像配准MATLAB程序
- 基于颜色特征的图像检索
- OpenCV-基于特征点的图像匹配
- 基于直方图特征的图像搜索
- OpenCV基于直方图特征的图像搜索
- 基于SIFT特征的全景图像拼接
- 图论
- Android重力感应Demo
- DTD 与 Schema的简单区别
- 适合在PC机上开发移动终端的执行效果的移动模拟器Opera Mobile Emulator
- [不断更新]小问题汇总-谁帮忙解决下?
- 基于特征的图像配准方法
- 【WinSocket】WinSocket 函数总结 及 常用函数精析
- 信息与计算科学大三学生,加强算法还是做点项目?
- 调用函数星号图任务之2-1
- C/C++开发语言系列之22---C++纯虚函数1
- C#输入的类型转换
- Launching index:(57%),Launching:waiting for XDebug session
- UDP协议下数据的传输分析
- 软考信息系统项目管理师培训视频教程