边缘支持度提升的SAR与可见光图像匹配新策略
191 浏览量
更新于2024-08-27
收藏 1.9MB PDF 举报
本文主要探讨了一种创新的异源图像匹配方法,针对合成孔径雷达(SAR)图像和可见光图像之间的匹配问题。在传统的图像匹配技术中,通常涉及从两幅图像中各自提取特征并进行匹配,但在成像机理差异较大的情况下,如SAR图像与可见光图像,由于缺乏共同的特征表示,匹配难度增大。
提出的基于边缘支持度的匹配策略突破了传统方法的局限。这种方法仅需从一幅图像中提取边缘信息,因为边缘在不同类型的图像中相对稳定,能够提供一定的相似性线索。作者采用标准化的方向梯度强度作为支持度的计算指标,这有助于量化边缘在不同图像中的存在和结构一致性。
为了寻找另一幅图像中与给定边缘特征最匹配的部分,作者引入了遗传算法进行全局优化搜索。遗传算法是一种模拟生物进化过程的优化方法,通过迭代生成一系列可能的匹配解,并逐步筛选出最优解,确保找到最佳边缘对应关系。
实验结果显示,该基于边缘支持度的方法对于SAR图像和可见光图像的匹配表现出了显著的效果,证明了其在复杂图像匹配任务中的实用性。这种方法不仅简化了匹配过程,提高了匹配的准确性和鲁棒性,还为多源图像融合分析,如视觉导航等应用提供了新的可能性。
关键词:图像处理、图像匹配、边缘支持度、多源图像、边缘检测、遗传算法。这项研究将边缘特征作为核心信息,结合先进的优化算法,开辟了一条解决异源图像匹配难题的新路径,对于提升图像分析和理解的效率具有重要意义。
2013-08-08 上传
2021-10-03 上传
2021-09-10 上传
678 浏览量
831 浏览量
932 浏览量
点击了解资源详情
点击了解资源详情
点击了解资源详情
weixin_38718434
- 粉丝: 9
- 资源: 929
最新资源
- 深入浅出:自定义 Grunt 任务的实践指南
- 网络物理突变工具的多点路径规划实现与分析
- multifeed: 实现多作者间的超核心共享与同步技术
- C++商品交易系统实习项目详细要求
- macOS系统Python模块whl包安装教程
- 掌握fullstackJS:构建React框架与快速开发应用
- React-Purify: 实现React组件纯净方法的工具介绍
- deck.js:构建现代HTML演示的JavaScript库
- nunn:现代C++17实现的机器学习库开源项目
- Python安装包 Acquisition-4.12-cp35-cp35m-win_amd64.whl.zip 使用说明
- Amaranthus-tuberculatus基因组分析脚本集
- Ubuntu 12.04下Realtek RTL8821AE驱动的向后移植指南
- 掌握Jest环境下的最新jsdom功能
- CAGI Toolkit:开源Asterisk PBX的AGI应用开发
- MyDropDemo: 体验QGraphicsView的拖放功能
- 远程FPGA平台上的Quartus II17.1 LCD色块闪烁现象解析