为实现 MSTAR图像无监督分割,并提高分割精度和计算效率,提出了一种基于 Gabor滤波增强的自适应阈值分割算法。首先利用多尺度、多方向的 Gabor滤波器组对待分割图像进行滤波处理,抑制目标、阴影和背景区域内部的斑噪起伏,同时增强区域间的差异性;在此基础上,通过对增强图像统计特性的分析,给出了灰度阈值计算形式,实现了 MSTAR图像的自适应分割。实验结果表明,本文算法对不同斑噪强度的 MSTAR图像均具有良好的处理效果,在分割精度、计算效率等方面优于传统的 OTSU,以及 FCM、MRF等分割方法。
Gabor滤波器组 图像增强 MSTAR图像 自适应阈值分割 Gabor filter banks image enhancement MSTAR image adaptive thresholding
针对基于点特征的遥感图像自动配准算法中存在特征点分布不均匀的问题, 提出了一种基于 SIFT(尺度不变特征变换 )、Harris-Laplace(多尺度角点 )、MSER(最大稳定极值区域 )特征提取算法的多特征遥感影像配准方法。通过多特征与二次匹配, 极大的提高了匹配点数目;通过基于距离的筛选, 保证匹配点分布均匀合理;通过局部互信息精校正, 使匹配点精度更高, 最终达到高质量 (空间分布均衡, 匹配精度高 )自动配准目的。
多特征 良分布 局部互信息 SIFT SIFT Harris-Laplace Harris-Laplace MSER MSER multi-feature well-distribution local mutual information