国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于統(tǒng)計(jì)相關(guān)的快速互信息圖像匹配方法與流程

      文檔序號(hào):12468881閱讀:214來(lái)源:國(guó)知局
      一種基于統(tǒng)計(jì)相關(guān)的快速互信息圖像匹配方法與流程

      本發(fā)明屬于圖像匹配、圖像定位技術(shù)領(lǐng)域,特別涉及一種基于統(tǒng)計(jì)相關(guān)的快速互信息圖像匹配方法。



      背景技術(shù):

      圖像匹配技術(shù)是在航天技術(shù)、衛(wèi)星應(yīng)用技術(shù)、傳感器技術(shù)、計(jì)算機(jī)技術(shù)、圖像處理及模式識(shí)別的基礎(chǔ)上發(fā)展起來(lái)的一門新技術(shù),它在飛機(jī)輔助導(dǎo)航、遠(yuǎn)程武器或精確制導(dǎo)武器系統(tǒng)如巡航導(dǎo)彈的末制導(dǎo)、圖像目標(biāo)的搜索與跟蹤等軍事領(lǐng)域具有重要的應(yīng)用價(jià)值。目前,匹配技術(shù)在工業(yè)控制、醫(yī)學(xué)圖像處理、遙感圖像處理、制圖學(xué)、目標(biāo)識(shí)別等領(lǐng)域有著廣泛應(yīng)用。在基于視覺(jué)的飛行器導(dǎo)航與制導(dǎo)、遙感衛(wèi)星災(zāi)害監(jiān)控與環(huán)境監(jiān)測(cè)、醫(yī)學(xué)圖像分析等應(yīng)用中,常常需要對(duì)不同成像傳感器獲取的異源圖像進(jìn)行匹配。異源圖像最大的特點(diǎn)是異源圖像同名點(diǎn)之間的灰度值一般不具有直接聯(lián)系。因此,同源圖像的匹配方法多數(shù)難以直接應(yīng)用于異源圖像匹配?;诨バ畔y(cè)度的匹配方法是一種完全基于圖像灰度統(tǒng)計(jì)概率的匹配方法,不需要對(duì)原圖像間的灰度關(guān)系作任何假設(shè),比傳統(tǒng)的相似性度量具有更強(qiáng)的魯棒性,但互信息準(zhǔn)則最大的缺陷是計(jì)算量大,匹配耗時(shí)較長(zhǎng)。為此,研究者們就圍繞減少非匹配點(diǎn)相關(guān)計(jì)算量和改進(jìn)搜索策略減少計(jì)算量?jī)蓚€(gè)方面提出了相應(yīng)的加速方法。例如文獻(xiàn)安如,王慧麟等,16階歸一化互信息和改進(jìn)PSO算法的快速圖像匹配,吉林大學(xué)學(xué)報(bào)(工學(xué)版),2013年3月第43卷357-364,采用灰度壓縮和粒子群優(yōu)化算法相結(jié)合加快匹配速度。文獻(xiàn)楊猛,潘泉等.基于定量定性互信息的多層次特征圖像匹配算法,中國(guó)圖象圖形學(xué)報(bào)2010年9月第15卷第9期1376-1383,通過(guò)提取多層次特征點(diǎn)減少互信息測(cè)度的計(jì)算量。文獻(xiàn)A Dame,E Marchand.Second-order optimization of mutual information for real-time image registration.IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society 2012,21(9):4190-203,利用粒子群優(yōu)化算法提高搜索速度。文獻(xiàn)Y Zhuang,K Gao,X Miu,L Han,X Gong.Infrared and visual image registration based on mutual information with a combined particle swarm optimization–Powell search algorithm.Optik-International Journal for Light and Electron Optics.將粒子群優(yōu)化方法與Powell優(yōu)化方法相結(jié)合提高匹配速度。上述方法中,灰度壓縮方法和特征提取方法會(huì)損失圖像部分灰度信息,影響匹配精度,而粒子群優(yōu)化方法又容易陷入局部極值,影響匹配精度,Powell方法對(duì)初始點(diǎn)的要求較高,初始點(diǎn)的選擇會(huì)直接影響到最后的搜索最優(yōu)值。總之,傳統(tǒng)的快速互信息匹配算法大多是通過(guò)降灰度階或減少參與互信息測(cè)度計(jì)算的像素?cái)?shù)來(lái)加速匹配速度,一定程度上會(huì)對(duì)匹配精度造成影響。



      技術(shù)實(shí)現(xiàn)要素:

      為了克服上述現(xiàn)有技術(shù)的缺點(diǎn),本發(fā)明的目的在于提供一種基于統(tǒng)計(jì)相關(guān)的快速互信息圖像匹配方法,與已有的以灰度壓縮、特征提取或采取優(yōu)化搜索策略等快速互信息匹配方法不同,本發(fā)明利用匹配過(guò)程中相鄰基準(zhǔn)子圖間的相關(guān)性,通過(guò)差量法減少每一個(gè)匹配位置互信息的計(jì)算量來(lái)加快匹配速度,同時(shí),本發(fā)明方法可以與灰度壓縮、特征提取等方法相結(jié)合,通過(guò)多種途徑進(jìn)一步加快匹配速度。該方法能有效地提高互信息匹配的實(shí)時(shí)性,可用于對(duì)實(shí)時(shí)性要求比較高的異源圖像匹配或圖像配準(zhǔn)應(yīng)用系統(tǒng)中。

      為了實(shí)現(xiàn)上述目的,本發(fā)明采用的技術(shù)方案是:

      一種基于統(tǒng)計(jì)相關(guān)的快速互信息圖像匹配方法,包括如下步驟:

      步驟1.獲取實(shí)測(cè)圖像A和基準(zhǔn)圖像I,將兩幅圖像的灰度值調(diào)整到同一灰度區(qū)間;

      步驟2.統(tǒng)計(jì)實(shí)測(cè)圖A各灰度值出現(xiàn)次數(shù)并存入灰度直方圖矩陣hA,計(jì)算A的信息熵HA并存儲(chǔ),HA的計(jì)算公式為:

      其中,T為實(shí)測(cè)圖總像素?cái)?shù)。

      步驟3.從基準(zhǔn)圖I的左上角(1,1)點(diǎn)截取與實(shí)測(cè)圖大小相等的第1幅基準(zhǔn)子圖Sini,統(tǒng)計(jì)Sini各灰度值出現(xiàn)次數(shù)并存入灰度直方圖矩陣hS_ini,計(jì)算Sini的信息熵HS_ini并存儲(chǔ),HS_ini的計(jì)算公式為:

      其中,T為基準(zhǔn)子圖總像素?cái)?shù)。

      步驟4.匹配過(guò)程中,通過(guò)比較當(dāng)前基準(zhǔn)子圖和前一基準(zhǔn)子圖對(duì)應(yīng)行或列像素變化情況,按照差量法將前一基準(zhǔn)子圖的直方圖矩陣hS0更新為當(dāng)前子圖的直方圖矩陣hS

      步驟5.找出當(dāng)前基準(zhǔn)子圖直方圖矩陣hS與前一基準(zhǔn)子圖直方圖矩陣hS0的不同元素,計(jì)算這些元素對(duì)應(yīng)的熵值求和項(xiàng),通過(guò)差量法將前一基準(zhǔn)子圖的信息熵HS0更新為當(dāng)前基準(zhǔn)子圖的信息熵HS。

      步驟6.找出當(dāng)前基準(zhǔn)子圖聯(lián)合直方圖矩陣hAS和前一基準(zhǔn)子圖聯(lián)合直方圖矩陣hAS0的不同元素,計(jì)算這些元素對(duì)應(yīng)的熵值求和項(xiàng),通過(guò)差量法將前一基準(zhǔn)子圖的聯(lián)合熵HAS0更新為當(dāng)前基準(zhǔn)子圖的聯(lián)合熵HAS

      步驟7.計(jì)算實(shí)測(cè)圖與當(dāng)前基準(zhǔn)子圖的歸一化互信息NMI,計(jì)算公式為:

      NMI=(HA+HS)/HAS

      步驟8.遍歷搜索整個(gè)基準(zhǔn)圖,以互信息最大值對(duì)應(yīng)的位置作為最終匹配位置。

      步驟4的“按照差量法將前一基準(zhǔn)子圖的直方圖矩陣hS0更新為當(dāng)前子圖的直方圖矩陣hS”,按如下步驟進(jìn)行:

      步驟4-1在列方向,通過(guò)統(tǒng)計(jì)當(dāng)前基準(zhǔn)子圖最后一行和前一基準(zhǔn)子圖第一行對(duì)應(yīng)像素灰度值出現(xiàn)次數(shù),以前一基準(zhǔn)子圖的直方圖矩陣hS0為基準(zhǔn),減去前一基準(zhǔn)子圖第一行對(duì)應(yīng)像素灰度值出現(xiàn)次數(shù),加上當(dāng)前基準(zhǔn)子圖最后一行對(duì)應(yīng)像素灰度值出現(xiàn)次數(shù)即得到當(dāng)前子圖的直方圖矩陣hS;

      步驟4-2在行方向,通過(guò)統(tǒng)計(jì)當(dāng)前基準(zhǔn)子圖最后一列和前一基準(zhǔn)子圖第一列對(duì)應(yīng)像素灰度值出現(xiàn)次數(shù),以前一基準(zhǔn)子圖的直方圖矩陣hS0為基準(zhǔn),減去前一基準(zhǔn)子圖第一列對(duì)應(yīng)像素灰度值出現(xiàn)次數(shù),加上當(dāng)前基準(zhǔn)子圖最后一列對(duì)應(yīng)像素灰度值出現(xiàn)次數(shù)即得到當(dāng)前子圖的直方圖矩陣hS

      步驟5的“通過(guò)差量法將前一基準(zhǔn)子圖的聯(lián)合熵HS0更新為當(dāng)前基準(zhǔn)子圖的聯(lián)合熵HS”,按如下步驟進(jìn)行:

      步驟5-1找出hS與hS0的不同元素,分別組成矩陣hΔS和hΔS0,計(jì)算hΔS和hΔS0對(duì)應(yīng)的信息熵ΔS及ΔS0

      ΔS計(jì)算公式為:

      ΔS0計(jì)算公式為:

      其中,T為基準(zhǔn)子圖總像素?cái)?shù),norms0(s)為與hΔS0中元素對(duì)應(yīng)的前一基準(zhǔn)子圖熵值計(jì)算過(guò)程中的求和項(xiàng),此次只計(jì)算這些求和項(xiàng)的和,無(wú)需對(duì)各個(gè)求和項(xiàng)再進(jìn)行重復(fù)計(jì)算。

      步驟5-2以前一基準(zhǔn)子圖的信息熵HS0為基準(zhǔn),通過(guò)差量法將HS0更新為當(dāng)前基準(zhǔn)子圖的信息熵HS

      HS對(duì)應(yīng)的計(jì)算公式為:

      HS=HS0S0S

      步驟6的“通過(guò)差量法將前一基準(zhǔn)子圖的聯(lián)合熵HAS0更新為當(dāng)前基準(zhǔn)子圖的聯(lián)合熵HAS”,按如下步驟進(jìn)行:

      步驟6-1找出hAS與hAS0的不同元素,分別組成矩陣hΔAS和hΔAS0,計(jì)算hΔAS和hΔAS0對(duì)應(yīng)的信息熵ΔAS及ΔAS0

      ΔAS計(jì)算公式為:

      ΔAS0計(jì)算公式為:

      其中,T為基準(zhǔn)子圖總像素?cái)?shù),normAS(s)為與hΔAS0中元素對(duì)應(yīng)的前一基準(zhǔn)子圖聯(lián)合熵計(jì)算過(guò)程中的求和項(xiàng),此次只計(jì)算這些求和項(xiàng)的和,無(wú)需對(duì)各個(gè)求和項(xiàng)再進(jìn)行重復(fù)計(jì)算。

      步驟6-2以前一基準(zhǔn)子圖的信息熵HAS0為基準(zhǔn),通過(guò)差量法將HAS0更新為當(dāng)前基準(zhǔn)子圖的信息熵HAS;

      HAS對(duì)應(yīng)的計(jì)算公式為:

      HAS=HAS0AS0AS

      步驟7.計(jì)算實(shí)測(cè)圖與當(dāng)前基準(zhǔn)子圖的歸一化互信息NMI,計(jì)算公式為:

      NMI=(HA+HS)/HAS

      步驟8.遍歷整個(gè)基準(zhǔn)圖,以互信息最大值對(duì)應(yīng)的位置作為最終匹配點(diǎn)。

      與現(xiàn)有技術(shù)相比,本發(fā)明的有益效果是:

      1.本發(fā)明利用了匹配過(guò)程中相鄰基準(zhǔn)子圖之間具有相關(guān)性的特點(diǎn),在進(jìn)行互信息測(cè)度計(jì)算時(shí),只用傳統(tǒng)方法計(jì)算實(shí)測(cè)圖和第1幅基準(zhǔn)子圖的灰度直方圖矩陣、熵、聯(lián)合熵以及實(shí)測(cè)圖與各基準(zhǔn)子圖的聯(lián)合直方圖矩陣,遍歷搜索過(guò)程中其它所有基準(zhǔn)子圖的灰度直方圖、熵以及聯(lián)合熵都采用差量法完成計(jì)算。因?yàn)榛バ畔y(cè)度的計(jì)算量主要集中在熵值計(jì)算過(guò)程中各個(gè)求和項(xiàng)的計(jì)算,采用差量法只需更新熵值計(jì)算過(guò)程中發(fā)生變化的求和項(xiàng),與傳統(tǒng)的獨(dú)立計(jì)算每個(gè)匹配位置的互信息匹配方法相比,計(jì)算量大為減少。設(shè)實(shí)測(cè)圖大小為m*n,本發(fā)明方法基準(zhǔn)子圖直方圖的計(jì)算量為傳統(tǒng)方法的或多次實(shí)驗(yàn)表明,每個(gè)基準(zhǔn)子圖熵計(jì)算量與傳統(tǒng)方法熵計(jì)算量相比平均減少約50%,聯(lián)合熵計(jì)算量減少約25%;當(dāng)圖像灰度級(jí)別越多,像素灰度值越分散,圖像熵值越大的情況本發(fā)明的提速效果越好。

      2.本發(fā)明采用遍歷搜索,能夠避免一般優(yōu)化搜索方法可能收斂到局部極值的缺陷,保證匹配結(jié)果的可靠性。

      3.本發(fā)明方法能夠與已有的灰度壓縮、特征提取等方法相結(jié)合,進(jìn)一步提高匹配的實(shí)時(shí)性。

      附圖說(shuō)明

      圖1是本發(fā)明應(yīng)用系統(tǒng)主要組件。

      圖2是本發(fā)明互信息匹配實(shí)施過(guò)程的流程圖。

      圖3是本發(fā)明應(yīng)用于SAR與可見(jiàn)光匹配的仿真結(jié)果示意圖。

      圖4是本發(fā)明應(yīng)用于紅外與可見(jiàn)光匹配的仿真結(jié)果示意圖。

      具體實(shí)施方式

      為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚,下面結(jié)合實(shí)施方式和附圖對(duì)本發(fā)明作進(jìn)一步地詳細(xì)描述。

      參照附圖1,本發(fā)明的應(yīng)用系統(tǒng)主要包括5大組件:

      組件1:匹配處理器CPU模塊1,主要用來(lái)對(duì)實(shí)時(shí)拍攝的實(shí)測(cè)圖和基準(zhǔn)圖進(jìn)行匹配計(jì)算。

      組件2:內(nèi)部存儲(chǔ)器模塊2,主要用來(lái)暫時(shí)存儲(chǔ)匹配過(guò)程中的原始數(shù)據(jù)、中間結(jié)果和最終匹配結(jié)果。

      組件3:實(shí)時(shí)圖像傳感器模塊3,主要用來(lái)實(shí)時(shí)地獲取實(shí)測(cè)圖像;

      組件4:數(shù)字地圖存儲(chǔ)器模塊4,主要用來(lái)存儲(chǔ)預(yù)先拍攝好的基準(zhǔn)圖像;

      組件5:基準(zhǔn)圖像選取模塊5,主要根據(jù)外界其它導(dǎo)航信息在數(shù)字地圖庫(kù)中選取適用于本次匹配的基準(zhǔn)圖。

      參照附圖2,組件1采用基于互信息的快速匹配方法進(jìn)行匹配,實(shí)現(xiàn)過(guò)程包括以下步驟:

      步驟1.計(jì)算實(shí)測(cè)圖A的灰度直方圖矩陣hA和信息熵HA;

      按照傳統(tǒng)方法,通過(guò)遍歷整個(gè)實(shí)測(cè)圖統(tǒng)計(jì)實(shí)測(cè)圖各像素灰度值的出現(xiàn)次數(shù)存入直方圖矩陣hA,設(shè)實(shí)測(cè)圖總像素?cái)?shù)為T,按照下面的求和公式用傳統(tǒng)算法計(jì)算實(shí)測(cè)圖熵HA:

      步驟2.計(jì)算基準(zhǔn)圖第一幅基準(zhǔn)子圖Sini的灰度直方圖矩陣hS_ini和信息熵HS_ini

      從基準(zhǔn)圖I的左上角(1,1)點(diǎn)截取第1幅基準(zhǔn)子圖Sini,與實(shí)施步驟2的過(guò)程類似,用傳統(tǒng)方法獲得Sini的灰度直方圖矩陣hS_ini,按照下面公式用傳統(tǒng)算法計(jì)算Sini的信息熵HS_ini:

      其中,norm_ini為熵計(jì)算的求和項(xiàng)。

      步驟3.從基準(zhǔn)圖I的(1,2)點(diǎn)開始,按照從左到右、從上至下的方法在基準(zhǔn)圖每一個(gè)點(diǎn)截取與實(shí)測(cè)圖大小相同的基準(zhǔn)子圖,以前一基準(zhǔn)子圖的直方圖、熵、聯(lián)合熵為基準(zhǔn),按照差量法計(jì)算當(dāng)前基準(zhǔn)子圖的直方圖、熵及聯(lián)合熵,并計(jì)算與實(shí)測(cè)圖的互信息,遍歷完整個(gè)基準(zhǔn)圖后,找出互信息最大值對(duì)應(yīng)的位置的坐標(biāo)作為最終匹配點(diǎn)。設(shè)當(dāng)前基準(zhǔn)子圖左上角位置為(i,j),下面結(jié)合圖1和圖2對(duì)本步驟作進(jìn)一步地詳細(xì)描述。

      步驟3-1計(jì)算每行第一列處基準(zhǔn)子圖的直方圖

      設(shè)當(dāng)前基準(zhǔn)子圖所在行號(hào)為i,該行第一列(i,1)點(diǎn)處基準(zhǔn)子圖的直方圖為hS,前一行即i-1行第一列(i-1,1)處基準(zhǔn)子圖直方圖hS0,則hS是由hS0通過(guò)差量法更新得到的。具體做法為:以(i-1,1)處基準(zhǔn)子圖的直方圖則hs0為基準(zhǔn),減去該子圖第一行像素灰度值的出現(xiàn)次數(shù),加上當(dāng)前(i,1)處基準(zhǔn)子圖最后一行像素灰度出現(xiàn)次數(shù)即可得到當(dāng)前基準(zhǔn)子圖直方圖hS。

      步驟3-2計(jì)算每行第一列處基準(zhǔn)子圖的熵

      設(shè)當(dāng)前基準(zhǔn)子圖所在行號(hào)為i,該行第一列(i,1)點(diǎn)處基準(zhǔn)子圖的熵HS,則HS是由(i-1,1)處基準(zhǔn)子圖熵HS0通過(guò)差量法更新得到的。具體做法為:在步驟4-1的基礎(chǔ)上,找出hS與hS0的不同元素,分別組成矩陣hΔS和hΔS0,計(jì)算hΔS和hΔS0對(duì)應(yīng)的信息熵ΔS及ΔS0;

      ΔS計(jì)算公式為:

      ΔS0計(jì)算公式為:

      其中,T為基準(zhǔn)子圖總像素?cái)?shù),norms0(s)為與hΔS0中元素對(duì)應(yīng)的前一基準(zhǔn)子圖熵值計(jì)算過(guò)程中的求和項(xiàng),此次不需再另行計(jì)算。

      再根據(jù)差量法將HS0更新為HS,對(duì)應(yīng)的公式為:

      HS=HS0S0S

      計(jì)算實(shí)測(cè)圖與當(dāng)前基準(zhǔn)子圖的歸一化互信息NMI,計(jì)算公式為:

      NMI=(HA+HS)/HAS

      步驟3-3計(jì)算每行第一列處基準(zhǔn)子圖與實(shí)測(cè)圖的聯(lián)合熵

      設(shè)當(dāng)前基準(zhǔn)子圖所在行號(hào)為i,實(shí)測(cè)圖與該行第一列(i,1)點(diǎn)處基準(zhǔn)子圖的聯(lián)合熵HAS是由實(shí)測(cè)圖與(i-1,1)處基準(zhǔn)子圖的聯(lián)合熵HAS0通過(guò)差量法更新得到的。設(shè)實(shí)測(cè)圖與(i-1,1)處基準(zhǔn)子圖的聯(lián)合直方圖為hAS0,具體做法為:按照傳統(tǒng)遍歷法統(tǒng)計(jì)得到實(shí)測(cè)圖與(i,1)處基準(zhǔn)子圖的聯(lián)合直方圖hAS,找出hAS與hAS0的不同元素,分別組成矩陣hΔAS和hΔAS0,先計(jì)算hΔAS和hΔAS0對(duì)應(yīng)的信息熵ΔAS及ΔAS0;

      ΔAS計(jì)算公式為:

      ΔAS0計(jì)算公式為:

      其中,T為基準(zhǔn)子圖總像素?cái)?shù),normAS(s)為與hΔAS0中元素對(duì)應(yīng)的前一基準(zhǔn)子圖聯(lián)合熵計(jì)算過(guò)程中的求和項(xiàng),此次不需再另行計(jì)算。

      再根據(jù)差量法將HAS0更新為HAS,對(duì)應(yīng)的公式為:

      HAS=HAS0AS0AS

      計(jì)算實(shí)測(cè)圖與當(dāng)前基準(zhǔn)子圖的歸一化互信息NMI,計(jì)算公式為:

      NMI=(HA+HS)/HAS

      步驟3-4在行方向,以每行第一列(i,1)處基準(zhǔn)子圖的直方圖、熵、聯(lián)合熵為基準(zhǔn),從左到右,依次通過(guò)差量法計(jì)算該行其它基準(zhǔn)子圖的直方圖、熵及與實(shí)測(cè)圖的聯(lián)合熵,并計(jì)算與實(shí)測(cè)圖的互信息。

      設(shè)(i,j-1)處基準(zhǔn)子圖的直方圖為hS0、熵為HS0、與實(shí)測(cè)圖的聯(lián)合熵為HAS0;(i,j)處基準(zhǔn)子圖的直方圖為hS,熵為HS、與實(shí)測(cè)圖的聯(lián)合熵為HAS,具體做法為:以(i,j-1)處基準(zhǔn)子圖的直方圖hS0為基準(zhǔn),減去該子圖第一列像素灰度值的出現(xiàn)次數(shù),加上當(dāng)前(i,j)處基準(zhǔn)子圖最后一列像素灰度出現(xiàn)次數(shù)即可得到當(dāng)前基準(zhǔn)子圖直方圖hS;當(dāng)前基準(zhǔn)子圖熵HS、以及與實(shí)測(cè)圖的聯(lián)合熵HAS的計(jì)算方法與步驟3-2及步驟3-3計(jì)算方法類似。

      步驟3-5按上述步驟遍歷完整個(gè)基準(zhǔn)圖后,找出互信息值最大的點(diǎn)作為最終匹配位置。

      通過(guò)以上步驟,就可以實(shí)現(xiàn)基于互信息的快速匹配。

      下面以兩個(gè)實(shí)施例為例,通過(guò)比較每個(gè)匹配位置處本文方法與傳統(tǒng)方法在互信息計(jì)算量方面的差別以及總耗時(shí)來(lái)說(shuō)明本發(fā)明方法的有效性。具體實(shí)施過(guò)程為:以Matlab R2015為仿真平臺(tái),首先按照具體實(shí)施方案中的步驟3-1、步驟3-2以及步驟3-3分別統(tǒng)計(jì)列方向各基準(zhǔn)子圖的直方圖、熵以及聯(lián)合熵的計(jì)算量,并與傳統(tǒng)計(jì)算方法進(jìn)行比較;然后再按照具體實(shí)施方式中的步驟3-4分別統(tǒng)計(jì)行方向各基準(zhǔn)子圖的直方圖、熵以及聯(lián)合熵的計(jì)算量,并與傳統(tǒng)計(jì)算方法進(jìn)行比較;最后通過(guò)完整的匹配過(guò)程比較本發(fā)明方法與傳統(tǒng)方法的匹配耗時(shí)。

      匹配過(guò)程中設(shè):基準(zhǔn)子圖直方圖計(jì)算中像素灰度值統(tǒng)計(jì)次數(shù)為N,基準(zhǔn)子圖熵值計(jì)算中求和項(xiàng)的項(xiàng)數(shù)為N_HS,基準(zhǔn)子圖與實(shí)測(cè)圖聯(lián)合熵計(jì)算中的求和項(xiàng)項(xiàng)數(shù)為N_HAS

      實(shí)施例1:將本發(fā)明的遍歷式互信息匹配方法和傳統(tǒng)的遍歷式互信息匹配方法分別應(yīng)用于可見(jiàn)光與SAR圖像的匹配,如圖3所示,其中圖3(a)為可見(jiàn)光基準(zhǔn)圖I,大小為422*358;圖3(b)為SAR實(shí)測(cè)圖像A1,大小為150*150,圖3(c)為SAR實(shí)測(cè)圖像A2,大小為100*90,圖3(d)為實(shí)測(cè)圖在基準(zhǔn)圖上的匹配定位結(jié)果;表1為本實(shí)施例列方向匹配時(shí)部分位置計(jì)算量統(tǒng)計(jì)結(jié)果,表2為本實(shí)施例行方向匹配時(shí)部分位置計(jì)算量統(tǒng)計(jì)結(jié)果。表3為本實(shí)施例的總匹配耗時(shí)。

      表1實(shí)施例1在列方向匹配時(shí)部分位置計(jì)算量統(tǒng)計(jì)結(jié)果

      表2實(shí)施例1在行方向匹配時(shí)部分位置計(jì)算量統(tǒng)計(jì)結(jié)果

      表3實(shí)施例1的匹配耗時(shí)比較

      實(shí)施例2:將本發(fā)明的遍歷式互信息匹配方法和傳統(tǒng)的遍歷式互信息匹配方法分別應(yīng)用于可見(jiàn)光與紅外圖像的匹配,如圖4所示,其中圖4(a)為可見(jiàn)光基準(zhǔn)圖I,大小為473*734;圖4(b)為紅外實(shí)測(cè)圖像A1,大小為80*80,圖4(c)為紅外實(shí)測(cè)圖像A2,大小為120*120,圖4(d)為實(shí)測(cè)圖在基準(zhǔn)圖上的匹配定位結(jié)果;表4為本實(shí)施例列方向匹配時(shí)部分位置計(jì)算量統(tǒng)計(jì)結(jié)果,表5為本實(shí)施例行方向匹配時(shí)部分位置計(jì)算量統(tǒng)計(jì)結(jié)果。表6為本實(shí)施例的匹配結(jié)果和匹配耗時(shí)。

      表4實(shí)施例2在列方向匹配時(shí)部分位置計(jì)算量統(tǒng)計(jì)結(jié)果

      表5實(shí)施例2在行方向匹配時(shí)部分位置計(jì)算量統(tǒng)計(jì)結(jié)果

      表6實(shí)施例2的匹配耗時(shí)比較

      當(dāng)前第1頁(yè)1 2 3 
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1