基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。     

基于M-DTCWT和2APCNN的多聚焦图像融合

为提高多聚焦图像的融合质量,提出了一种基于多方向双树复小波变换（M-DTCWT）的多聚焦图像融合方法。对多聚焦图像进行DTCWT分解得到低频系数与高频系数,再采用非下采样滤波器（NSDFB）对高频系数进行方向分解得到多尺度多方向的高频分解系数。对低频系数,提出结合模糊逻辑和稀疏表示（FSR）的融合规则得到低频融合系数。对高频系数,利用平均高斯差分梯度（ADOG）作为自适应双通道脉冲耦合神经网络（2APCNN）链接强度,提出基于改进双通道脉冲耦合神经网络的高频融合策略。最后通过M-DTCWT的反变换得到融合图像。实验结果表明,采用本文算法得到的融合图像在主观效果与客观指标上均优于传统的融合方法,较传统DTCWT方法,实验的2组图像在客观指标边缘信息度量QAB/F和互信息MI上,分别提高了1.93%、8.87%和1.40%、9.18%。