Resumen

La información mutua (IM) se ha utilizado ampliamente en la correspondencia de imágenes multisensor, pero puede dar lugar a desajustes entre imágenes con un fondo desordenado. Sin embargo, la información previa adicional puede ser de gran ayuda para mejorar el rendimiento del emparejamiento. En este trabajo se propone un método robusto de estimación bayesiana de la información mutua, denominado IMC, para el emparejamiento de imágenes multisensor. Este método se ha implementado utilizando la información a priori de gradiente, en la que la información a priori se estima mediante el método de estimación de densidad de núcleo (KDE), y la verosimilitud se modela de acuerdo con la distancia de orientaciones. Para mejorar aún más la robustez, restringimos el emparejamiento dentro de las regiones en las que los píxeles correspondientes de la imagen plantilla son lo suficientemente salientes. Los experimentos realizados con varios grupos de imágenes multisensor muestran que el método propuesto supera al MI estándar en robustez y precisión, y es similar al método de Pluim. Sin embargo, nuestro cálculo es mucho más económico.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:emparejamiento de imágenes multisensor, método, información previa adicional, estimación de la densidad del núcleo, más ahorro de costes, robustez, información mutua, píxeles correspondientes, gran ayuda, rendimiento del emparejamiento
• Keywords:multisensor image matching, method, additional prior information, kernel density estimate, more cost saving, robustness, mutual information, corresponding pixels, great help, matching performance