针对特征点不明显的图像配准场景,在保证相邻两幅待配准图像重叠面积超过80%的前提下,提出了一种基于频谱和空域特征匹配的配准算法。该算法基于傅里叶频谱图的旋转中心不变性,将空域中两幅图像绕任意一点的旋转角转化成频域中绕频谱图...针对特征点不明显的图像配准场景,在保证相邻两幅待配准图像重叠面积超过80%的前提下,提出了一种基于频谱和空域特征匹配的配准算法。该算法基于傅里叶频谱图的旋转中心不变性,将空域中两幅图像绕任意一点的旋转角转化成频域中绕频谱图中心的旋转角。利用极坐标系和笛卡尔坐标系的变换关系,将绕频谱图中心的旋转量转化为一维方向的平移量,使用SAD(Sum of Absolute Difference)算法求取旋转角,再使用SAD算法求取平移矩阵。所提配准算法既适用于特征点明显的图像配准场景,也适应于特征点不明显的图像配准场景,且配准精度较高,配准速度较快。展开更多
文摘针对特征点不明显的图像配准场景,在保证相邻两幅待配准图像重叠面积超过80%的前提下,提出了一种基于频谱和空域特征匹配的配准算法。该算法基于傅里叶频谱图的旋转中心不变性,将空域中两幅图像绕任意一点的旋转角转化成频域中绕频谱图中心的旋转角。利用极坐标系和笛卡尔坐标系的变换关系,将绕频谱图中心的旋转量转化为一维方向的平移量,使用SAD(Sum of Absolute Difference)算法求取旋转角,再使用SAD算法求取平移矩阵。所提配准算法既适用于特征点明显的图像配准场景,也适应于特征点不明显的图像配准场景,且配准精度较高,配准速度较快。
