多模态图像的非线性强度、尺度与旋转不变匹配
计算机视觉与模式识别
2023-03-01 v1
摘要
我们提出了一种有效的多模态图像匹配方法。精确的图像匹配是图像配准和运动恢复结构等各种应用的基础。当处理具有严重尺度变化、旋转和非线性强度畸变（NID）的含噪多模态图像对时，传统匹配方法往往会失效。针对这一需求，我们引入图像金字塔策略以解决尺度变化问题。我们提出一种精确的主方向估计方法，以减小任意角度图像旋转的影响。我们利用多尺度和多方向图像滤波结果以及特征到模板的匹配方案，以确保在较大 NID 下实现有效且准确的匹配。整合这些改进显著增强了噪声、尺度、旋转和 NID 不变性能力。我们的实验结果证实了该方法在各种多模态图像上实现高质量匹配的优异能力。在定性和定量评估中，所提出的方法优于主流的多模态图像匹配方法。我们的实现可在 https://github.com/Zhongli-Fan/NISR 获取。
引用
@article{arxiv.2302.14239,
title = {Nonlinear Intensity, Scale and Rotation Invariant Matching for Multimodal Images},
author = {Zhongli Fan and Li Zhang and Yuxuan Liu},
journal= {arXiv preprint arXiv:2302.14239},
year = {2023}
}