针对不同模态图像存在严重的几何差异和非线性辐射差异(NID)等问题导致的匹配难题,提出了一种结合多尺度特征与局部采样描述的多模态图像配准方法。首先,引入非线性扩散方程构建非线性尺度空间,然后结合相位一致性与ORB(oriented FAST a...针对不同模态图像存在严重的几何差异和非线性辐射差异(NID)等问题导致的匹配难题,提出了一种结合多尺度特征与局部采样描述的多模态图像配准方法。首先,引入非线性扩散方程构建非线性尺度空间,然后结合相位一致性与ORB(oriented FAST and rotated BRIEF)算法获得多尺度的稳定特征点。接着提出了一种旋转不变的双重高斯采样描述符,可以在NID存在的情况下鲁棒地跨越[0°,360°)的旋转差异。最后,引入了一种图像恢复策略。通过初次匹配获得最优的几何变换模型,修正图像间存在的几何差异,再进行二次匹配提升匹配精度。在遥感、医学和计算机视觉等领域的多模态数据集上进行实验,当图像存在尺度、旋转等几何差异时,所提方法均方根误差平均可达到1.5个像素以内,正确匹配率达到98%以上。表明该方法能够克服图像间非线性辐射差异的影响,可以实现高精度配准。展开更多
文摘针对不同模态图像存在严重的几何差异和非线性辐射差异(NID)等问题导致的匹配难题,提出了一种结合多尺度特征与局部采样描述的多模态图像配准方法。首先,引入非线性扩散方程构建非线性尺度空间,然后结合相位一致性与ORB(oriented FAST and rotated BRIEF)算法获得多尺度的稳定特征点。接着提出了一种旋转不变的双重高斯采样描述符,可以在NID存在的情况下鲁棒地跨越[0°,360°)的旋转差异。最后,引入了一种图像恢复策略。通过初次匹配获得最优的几何变换模型,修正图像间存在的几何差异,再进行二次匹配提升匹配精度。在遥感、医学和计算机视觉等领域的多模态数据集上进行实验,当图像存在尺度、旋转等几何差异时,所提方法均方根误差平均可达到1.5个像素以内,正确匹配率达到98%以上。表明该方法能够克服图像间非线性辐射差异的影响,可以实现高精度配准。
