旋转与比例不变点特征松弛匹配算法的Hopfield神经网络实现

本文在旋转与比例不变点特征松弛匹配方法的基础上，提出了用Ｈｏｐｆｉｅｌｄ神经网络实现该匹配过程的方法，通过对模拟图象进行的大量实验，得到了令人满意的结果，证实了采用Ｈｏｐｆｉｅｌｄ神经网络完成旋转与比例不变点特征松弛匹配过程的有效性和可行性。     

已知最大定位误差的点特征松弛匹配

研究了在已知最大定位误差的情况下时，如何对基本点特征松弛匹配算法进行改进，以提高匹配性能。基本思想是利用已知的最大定位误差，确定两点对的最小匹配度量，从而减小虚假特征点对匹配结果的影响。采用针对模拟图像及实际卫片航片图像对的实验，比较了两种方法的性能。结果表明，在已知最大定位误差的情况下，该改进方法比基本点特征松弛匹配算法具有更好的匹配性能。     

一种实用的边缘强度互相关匹配可信度分析方法

匹配可信度是衡量匹配质量的重要指标，针对归一化边缘强度互相关匹配算法，研究了基于神经网络的匹配可信度判别方法。通过对参考图进行加噪实验获得训练样本，对BP网络进行训练，并将训练后的网络用于匹配可信度的判别。针对实际卫片与航片图像对的实验结果，平均判决正确率达到90％以上，证实了该方法的有效性。