一种结合快速灰度投影与SSDA的图像匹配方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (33): 195-197.

• 图形、图像、模式识别 • 上一篇下一篇

一种结合快速灰度投影与SSDA的图像匹配方法

王振江1，2，吴健1，林方全1

1.西北工业大学计算机学院，西安 710072
2.空军工程大学导弹学院，陕西咸阳 713800

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-11-21 发布日期:2011-11-21

Image matching method based on fast gray value projection and SSDA

WANG Zhenjiang1，2，WU Jian1，LIN Fangquan1

1.School of Computer Science and Technology，Northwestern Polytechnical University，Xi’an 710072，China
2.Missile Institute，Air Force Engineering University，Xianyang，Shaanxi 713800，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-11-21 Published:2011-11-21

摘要/Abstract

摘要： 图像匹配作为一种重要的图像处理技术是图像信息融合、目标定位、变化检测等后续工作的重要基础。针对图像匹配应用的实时性要求，该方法按照由粗到细的过程完成匹配，对图像进行多尺度分解，针对高层分解结果图像，采用改进的基于灰度投影的匹配算法进行粗匹配，确定若干符合要求的粗匹配点，并将这些点映射到低层图像的相应区域，在最高层采用序贯相似性检测SSDA进行精细匹配。采用不同遥感图像的实验结果表明了方法的有效性。

关键词: 图像匹配, 小波多尺度塔式分解, 序贯相似性检测

Abstract: As an important image processing technology，image matching is the important foundation for subsequent work，such as the image information integration，targeting，change detection.In order to tackle the problem of the real-time performance，according to a from rough to fine process，the first step is making multi-scale decomposition.It adopts improved gray-scale projection image matching algorithms on the rough result of decomposition for high-level image，then identifies several rough match points which meet the requirements of the threshold value，and gets the corresponding region by mapping these points to the low-level image.Meanwhile，the SSDA is used in fine image matching.The experimental results which derive from remote sensing images certify the validity of the method.

Key words: image matching, wavelet decomposition of multi-scale tower, sequential similar detection

王振江1，2，吴健1，林方全1. 一种结合快速灰度投影与SSDA的图像匹配方法[J]. 计算机工程与应用, 2011, 47(33): 195-197.

WANG Zhenjiang1，2，WU Jian1，LIN Fangquan1. Image matching method based on fast gray value projection and SSDA[J]. Computer Engineering and Applications, 2011, 47(33): 195-197.

[1]	张晓闻，任勇峰. 结合稀疏表示与拓扑相似性的图像匹配算法[J]. 计算机工程与应用, 2021, 57(8): 198-203.
[2]	卫保国，张玉兰，周佳明. 图像匹配中的特征点筛选方法[J]. 计算机工程与应用, 2021, 57(3): 208-214.
[3]	蔡秀梅，卞静伟，吴成茂，王妍. 基于LBP的鲁棒特征提取与匹配方法研究[J]. 计算机工程与应用, 2021, 57(16): 228-236.
[4]	魏玮，张芯月，朱叶. 改进的SIFT结合余弦相似度的人脸匹配算法[J]. 计算机工程与应用, 2020, 56(6): 207-212.
[5]	李佳芮，黄斯翀，徐修贤，康希睿，汪沛. 融合边缘信息和扩展邻域的异源图像匹配[J]. 计算机工程与应用, 2019, 55(14): 182-190.
[6]	李和阳，孙云莲，黄雅鑫，黎圣旻，余军伟. 基于图像匹配的变压器套管工况识别方法研究[J]. 计算机工程与应用, 2018, 54(5): 211-216.
[7]	孙福盛，韩燮，丁江华，刘涛. LYTRO相机光场图像深度估计算法及重建的研究[J]. 计算机工程与应用, 2018, 54(13): 175-180.
[8]	王其浩1，2，王斌1，2. 用于图像购物搜索的局部匹配算法[J]. 计算机工程与应用, 2017, 53(6): 246-251.
[9]	徐天阳，吴小俊. 基于Gabor变换的快速跟踪算法[J]. 计算机工程与应用, 2016, 52(6): 134-138.
[10]	兰红，王秋丽. 基于聚类和马氏距离的多角度SURF图像匹配算法[J]. 计算机工程与应用, 2016, 52(21): 211-217.
[11]	付偲1，2，邓丽1，2，卢根1，2，费敏锐1，2. 基于快速视网膜关键点算法改进的图像匹配方法[J]. 计算机工程与应用, 2016, 52(19): 208-212.
[12]	王宪保，潘海飞，章国琼，何文秀，姚明海. 一种快速的加权矢量图像匹配方法[J]. 计算机工程与应用, 2016, 52(16): 137-141.
[13]	董晓庆，陈洪财. 光照变化环境下的SIFT改进算法[J]. 计算机工程与应用, 2016, 52(15): 222-227.
[14]	李昕宇，侯春萍，王宝亮，宁国津，于奎星. 基于图像匹配的移动应用自动化测试方法研究[J]. 计算机工程与应用, 2016, 52(13): 43-47.
[15]	涂国勇1，2，李壮1，2，李伟建2. 基于多尺度支持度匹配SAR图像与光学图像[J]. 计算机工程与应用, 2016, 52(11): 181-184.

一种结合快速灰度投影与SSDA的图像匹配方法

Image matching method based on fast gray value projection and SSDA

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics