基于小波的图像边界配准

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (1): 66-68.

基于小波的图像边界配准

陈良^1,2,高成敏^1,2

1.广东警官学院计算机系，广州 510232
2.华南理工大学计算机科学与工程学院，广州 510640

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2008-01-01 发布日期:2008-01-01
通讯作者: 陈良

Wavelet-based image registration by using boundary features

CHEN Liang^1,2,GAO Cheng-min^1,2

1.Guangdong Police Officers College，Guangzhou 510232，China
2.South China University of Technology，Guangzhou 510640，China

Received:1900-01-01 Revised:1900-01-01 Online:2008-01-01 Published:2008-01-01
Contact: CHEN Liang

摘要/Abstract

摘要： 将碎片图像拼接成原始图像是一项非常有实用价值的应用，寻找匹配边是关健一环。首先对角点间边界L₀变换为具有旋转不变性的曲线L₁，利用小波包对L₁进行分解和重构，获得不同分辨率下的边界曲线L₂。然后，对L₂进行离散余弦变换，得到一组特征矢量，求特征矢量间的欧氏距离D，D值最小的两个矢量对应的边界为相似边界，再对相似边界进行配准。从而达到拼接图像碎片恢复原始图像的目的。该算法具有识别相似边准确和旋转不变性的特点。

关键词: 边界配准, 小波包, 离散余弦变换, 旋转不变性

Abstract: Putting pieces of images together into the original image is a valuable application， one key step is to search the matched edges.First，we transform all the edges between two corners into curve L₁，which is rotationally invariant，then decomposite and reconstruct L₁ by using wavelet packet analysis to get the edge curve L₂ in different resolution.Then L₂ are transformed by DCT（Discrete Cosine Transformation） into feature vectors.The similar pairs of edges on different pieces are selected by calculating the minimal Euclidean distance between feature vectors，then the boundary registration can be done and the original image can be restored from the pieces.This algorithm can find alike edges accurately，is rotationally invariant.

Key words: boundary registration, wavelet packet, DCT（Discrete Cosine Transformation）, invariant rotation

陈良^1,2,高成敏^1,2. 基于小波的图像边界配准[J]. 计算机工程与应用, 2008, 44(1): 66-68.

CHEN Liang^1,2,GAO Cheng-min^1,2. Wavelet-based image registration by using boundary features[J]. Computer Engineering and Applications, 2008, 44(1): 66-68.

[1]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[2]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[3]	杜德，高保禄，田力. 结合快速层式DCT和动态LOD的地形压缩绘制技术[J]. 计算机工程与应用, 2020, 56(13): 223-229.
[4]	王灿，李凤莲，胡风云，张雪英，贾文辉. 面向特征融合的脑卒中脑电信号分类方法[J]. 计算机工程与应用, 2019, 55(24): 154-158.
[5]	陈景霞，郑茹，贾小云，张鹏伟. 共空间模式结合小波包分解的脑电情感分类[J]. 计算机工程与应用, 2019, 55(1): 149-153.
[6]	孙贤明，樊晓光，禚真福，丛伟，陈少华. 综合时频域及核判别分析的两级特征提取新方法[J]. 计算机工程与应用, 2018, 54(3): 115-119.
[7]	刘文培1，李凤莲1，张雪英1，田玉楚1，2. 面向人脸识别的WPD-HOG金字塔特征提取方法[J]. 计算机工程与应用, 2018, 54(22): 150-155.
[8]	谢建群，刘怡俊，李生. 改进鲸鱼算法在云计算资源负载预测中的应用[J]. 计算机工程与应用, 2018, 54(13): 73-77.
[9]	丁智慧. 基于DCT的声呐探测信号鉴定方法[J]. 计算机工程与应用, 2018, 54(1): 133-139.
[10]	曹洁1，2，李雪真1，王进花1. 基于自适应特征融合的人脸识别[J]. 计算机工程与应用, 2018, 54(1): 153-158.
[11]	王燕，王芸芸. 一种DCT和ELBP融合的人脸特征提取方法[J]. 计算机工程与应用, 2017, 53(4): 170-175.
[12]	马也，常天庆，郭理彬. 运动想象脑电信号特征提取与分类算法研究[J]. 计算机工程与应用, 2017, 53(16): 149-154.
[13]	陶表犁，王让定，严迪群，金超. 与时长相关的相同码率MP3双压缩检测方法[J]. 计算机工程与应用, 2017, 53(11): 137-141.
[14]	杜楠楠，赵晖. 维吾尔语情感语音韵律转换研究[J]. 计算机工程与应用, 2016, 52(19): 154-160.
[15]	郭红想，严军，王典洪，余蓓蓓. 基于小波包和组合分类器的脑电信号分类[J]. 计算机工程与应用, 2016, 52(18): 148-153.