为解决较多图像匹配算法主要通过测量关键点之间的距离来实现特征匹配, 忽略了图像的结构信息, 使其存在较多的误匹配的问题, 本文设计了方差约束耦合几何不变特性的图像匹配算法。借助于 Forstner算子计算像素点的兴趣值, 以检测图像的特征; 计算图像的梯度信息, 获取图像的方向值, 并切割图像特征的圆形邻域, 从而获取扇形子域; 以图像的方向值为基础, 通过计算扇形子域中的灰度不变矩, 输出对应的特征向量; 引入区域方差函数, 获取图像的结构信息, 将其加入至图像特征的匹配过程, 以约束欧式距离的测量结果, 实现图像特征匹配; 最后利用匹配点间的几何不变特性, 对匹配特征去伪求真, 优化匹配结果。测试数据表明: 相对于已有的匹配技术, 在对无变换图像、缩放图像以及旋转图像匹配时, 所提算法拥有更高的匹配准确度, 分别达到了 96.56%、95.38%和 93.52%。

针对基于 LBP的许多改进方法需要提前训练, 对旋转和照明变化鲁棒性较差的特点, 本文通过融合 CLBP和图像表面的局部几何不变特征提出了一种新的纹理分类方法。该算法首先计算图像表面的局部几何不变特征, 然后对其进行量化和编码。其次, 再将编码结果与 CLBP直方图进行融合。本文提出的算法能够同时提取图像的宏观和微观特征, 且具有不明显增加特征维度, 无需提前训练, 对图像的旋转和光照变化保持不变的特点。在两个标准纹理数据库上进行实验验证, 结果表明, 本文算法与其它算法相比在分类精度和鲁棒性上都有明显的提高。

针对异源遥感图像在图像配准中的几何形变问题, 本文提出了一种基于几何不变性局部相似特征的异源遥感图像配准算法。 GISS算法利用加速鲁棒特征算子先对存在几何差异的异源遥感图像进行预匹配, 然后根据特征点的方向特征对图像进行旋转仿射校正, 最后引用局部相似性描述符并集成相似性度量来考察预匹配点对的相关性, 选取其中相似相关性最优的点对实行图像配准。实验结果表明, 对于存在几何形变的异源遥感图像, 具有较好的配准实现效果, 可以有效的解决异源遥感图像之间的几何形变差异问题, 具有较好的鲁棒性和配准精度。