利用联合显著图对含异常值图像进行配准
计算机视觉与模式识别
2013-05-01 v1
摘要
互信息(MI)是图像配准中一种常用的相似性度量，通过最大化联合直方图中聚类的紧致性可以实现良好的配准。然而，MI对仅出现在一幅图像中而另一幅图像中没有的“异常值”目标敏感，并且还会受到局部和偏置最大值的影响。我们提出了一种新颖的联合显著图(JSM)，用于突出两幅图像中对应的显著结构，并将这些显著结构有重点地分组到加权联合直方图中的平滑紧致聚类中。该策略能够同时解决异常值和局部最大值问题。实验结果表明，基于JSM-MI的算法不仅准确，而且对于含异常值的挑战性图像对的配准具有鲁棒性。
引用
@article{arxiv.1304.8052,
title = {Registration of Images with Outliers Using Joint Saliency Map},
author = {Binjie Qin and Zhijun Gu and Xianjun Sun and Yisong Lv},
journal= {arXiv preprint arXiv:1304.8052},
year = {2013}
}
备注
Preprint version for publication in IEEE Signal Processing Letters, 17(1):91-94, 2010