利用双树复小波变换和SURF的图像配准算法

为了进一步提高图像配准的运算效率、匹配正确率及配准精度,提出了一种利用双树复小波变换和加速鲁棒特征（speeded up robust features, SURF）的图像配准算法。首先利用双树复小波变换将参考图像和待配准图像分解为低频部分和高频部分,选取其对应的低频部分作为SURF算法的输入图像,得到两者的粗匹配结果;然后通过随机抽样一致（random sample consensus, RANSAC）算法对粗匹配点对进行提纯,剔除误匹配点对,解决了SURF算法存在较多错误匹配点对的问题,同时计算出最佳匹配的变换模型参数;最后根据该变换模型参数对待配准图像进行几何变换,经双线性插值确定灰度,完成图像的配准。大量实验结果表明,与尺度不变特征变换（scale invariant feature transform, SIFT）算法和SURF算法相比,所提算法的运算速度更快,匹配正确率和配准精度更高,同时在抗噪声、抗旋转及抗亮度变化性能方面更加优越。     

刚体变换下基于轮廓的多传感器图像配准算法

提出了一种基于轮廓的多传感器图像配准算法,输入图像之间的几何变换假设为刚体变换。该配准算法的特点是根据匹配轮廓对的质心和长轴计算配准参数,克服了传统的基于特征的图像配准算法控制点检测与匹配的问题,算法鲁棒性较高。首先提取输入图像中的明显轮廓,然后对提取的轮廓进行匹配,并将其中匹配的开轮廓对转化为闭合轮廓对,然后根据所有闭合轮廓对的质心和长轴估计配准参数。实验结果表明,所提算法能精确解决输入图像之间仅存在旋转和平移情况时的图像配准问题。     

基于CSS角点提取的红外与可见光图像匹配算法

针对红外与可见光图像中特征点匹配的难题,提出了一种基于曲率尺度空间（curvature scale space,CSS)角点提取的特征点匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取;其次利用三维二次函数剔除低对比度的特征点;然后以特征点所在曲线的法线作为主方向,避免了图像的旋转代价;再通过计算构建特征点邻域的梯度方向在［0,π)范围的分布直方图,计算其统计特征并构造一个64维的特征点描述符,并进行归一化;最后采用最近邻算法实现直线匹配。实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配。     

基于相干斑抑制SIFT的SAR图像配准方法

基于尺度不变特征变换(scale invariant feature transform, SIFT)算法,提出了一种能有效抑制相干斑噪声干扰的合成孔径雷达图像配准方法。该方法首先基于相干斑抑制各向异性扩散滤波模型建立图像的各向异性尺度空间,在滤除斑点噪声的同时保持了图像细节,弱化了斑点噪声对特征提取的影响;然后采用改进的二元直方图分析方法优化双向匹配初始结果,剔除了随机分布的误匹配点;最后引入临近特征点变换误差分析的过程,增加正确匹配点对数量,提高了变换模型参数的准确度。实验结果表明,该方法能增强SIFT特征点的稳定性,取得较高的配准精度,对相干斑噪声具有良好的适应性。     

一种基于非降采样Contourlet变换和MLESAC的星空图像配准算法

针对不同时刻拍摄的星空图像进行叠加,提出一种基于非降采样Contourlet 变换（nonsubsampled Contourlet transform, NSCT）和随机抽样最大似然算法(maximum likelihood estimation sample consensus, MLESAC)的图像配准算法。该方法首先对星空图像进行NSCT变换,以提取特征星体的边缘,接着以特征星体的质心为顶点,构造特征三角形,根据三角形全等准则对其进行匹配;然后利用MLESAC算法对已匹配三角形的重心进行验证,将满足要求的特征点带入仿射变换模型,求取变换参数,实现图像的配准。该方法在保证配准精度的条件下,降低了经典配准算法的复杂度,能够有效处理光照变化以及噪声的影响。采用50组空间图像进行验证,结果表明,该算法能够在有效抑制星空图像光照和噪声的情况下,实现星空图像的精确配准,均方根误差达到0.374 1。     

基于结构的SAR图像配准

由于SAR图像中相干斑的存在，使得已有用于光学遥感图像自动配准的算法往往无法直接应用。基于人工通过地物结构推毫匹配关系进行配准的想法。提出了一种基于结构的SAR图像自动配准算法，该算法首先通过检测出的点目标构造“虚拟结构”，然后再综合新提出的“虚拟结构”不变量及结构区域不变矩作为相似测度完成匹配检测，最后用LMS算法估计出变换参数从而实现SAR图像的自动配准。实验结果表明，该算法不仅能够有效实现SAR图像的自动配准，而且能有效避免SAR图像中相干斑对配准过程中特征检测和匹配造成的影响。     

全仿射形变下基于点特征的SAR图像配准方法

全仿射形变条件下,待配准合成孔径雷达(synthetic aperture radar, SAR)图像与参考SAR图像之间存在各向异性尺度变化,导致传统的点特征图像配准算法难以提取到足够多的匹配特征点进行图像配准。为此,提出了一种基于仿射形变矩阵分解与尺度变化矩阵估计的点特征图像配准算法。该方法首先将仿射形变矩阵分解为图像旋转矩阵、尺度变化矩阵以及常数矩阵的乘积,而后利用粒子群优化(particle swarm optimization, PSO)算法对尺度变化矩阵中的未知参数进行搜索估计,并根据估计结果对图像进行尺度规范处理,以抑制图像间的各向异性尺度变化,在此基础上再利用尺度不变特征转换(scale invariant feature transform, SIFT)算子提取匹配特征点进行配准处理。实验结果表明,与现有方法相比,对于全仿射形变条件下的SAR图像配准,本文所述算法可以提取到更多的匹配特征点,因而具有更好的配准性能。     

基于轮廓特征的多模态医学图像的配准

多模态医学图像的配准在医学诊断和治疗计划中起着重要的作用。提出一种基于轮廓特征的迭代最近点 (SVD -ICP)的配准方法。这种方法是将最优化解析方法与迭代搜索相结合来解决图像轮廓点匹配问题的 ,适用于不同模态医学图像之间的配准。关于CT -MRI和PET -MRI图像的配准实验证明 ,该方法是有效的。     

基于改进的协方差矩阵描述子的点云配准方法

点云配准是数字化文物保护的关键一环，提高配准精度与抗噪性是文物点云配准的主要目标。针对该问题，提出一种基于协方差矩阵描述子的三维点云配准方法。使用张量投票法剔除噪声点，对剔除噪声后的点云，使用内在形状签名法提取关键点；对提取的关键点构建邻域信息，利用该信息建立协方差矩阵描述子；通过计算最近距离寻找匹配点对，使用法向量夹角对其约束，剔除误匹配点对；选取匹配点对计算变换矩阵完成粗配准，再通过迭代最近点对方法进行精配准。实验结果表明，相比于常用配准算法，本文算法配准精度更高，且适用于低重叠率模型与含噪声模型。     

基于几何特征不变量的快速3D医学图像配准

针对颅部三维医学图像配准计算量大、配准效率低等问题,提出了一种基于几何特征空间约束的快速配准方法。提取三维轮廓点云,提出了一种基于点云集最优拟合环的特征构造方法,并以每个特征环和每个层的质心用作特征量,通过使用迭代最近点(Iterative Closest Point, ICP)方法完成快速配准。实验结果表明,与传统的ICP算法相比,该方法计算量小,配准精度高,配准速度快。它是一种有效的实时三维配准方法。     

SAR图像最佳欧式空间距离矩阵匹配方法

在基于尺度不变特征变换算法的合成孔径雷达图像配准算法中,一个特征点通常具有多个主方向,虽然该主方向分配方式可以有效增加正确匹配对数,但是匹配性能会受到特征向量之间的相互影响而下降。文章提出了一种最佳欧式距离匹配方法,该方法通过欧式空间距离矩阵计算待匹配图像两组特征向量集的相似度,获得最佳相似特征点。此外,文章引入代表位置关系的转换距离作为判断特征点空间一致性的依据,有效地消除错误匹配点。与DM等匹配方法相比较,最佳欧式空间距离矩阵匹配方法在匹配精度和匹配效率上验证了其有效性。     

利用轮廓特征的多视点几何数据配准

以三维激光扫描仪为获取数据平台,针对扫描过程中存在的数据配准问题,提出了利用轮廓特征的大规模三维场景多视点几何数据自动配准算法。首先采用自适应曲线拟合技术提取三维轮廓特征,在此基础上建立八叉树数据检索结构。引入马氏距离,以八叉树叶结点为匹配单元计算初始转换矩阵,并经ICRP算法逐步优化直至获得两视点的最佳配准。最后,采用就近原则,给出大规模三维场景多视点全局配准策略。并通过对室内、室外和古建等场景的三维配准实验,证明算法的鲁棒性。     

基于分数阶微积分的图像超分辨率重建

为了解决模糊图像超分辨率重建的问题,将分数阶微积分和凸集投影相结合,实现图像的超分辨率重建。利用分数阶微分卷积获取原始参考帧,通过尺度不变特征变换(scale invariant feature transform,SIFT)配准,采用基于分数阶积分的点扩散函数,运用凸集投影,有效解决超分辨率算法对于模糊图像效果不好的问题,实现了对模糊图像的重建。实验表明,与常见的算法相比,基于分数阶微积分的凸集投影超分辨率重建算法在图像视觉效果和客观指标上均有较好的结果。特别是在图像模糊的情况下,基于稀疏表示的或轮廓模板的算法会增加图像的模糊程度,而所提算法在主观清晰度方面有明显的提高。     

基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法

针对尺度不变特征变换（scale invariant feature transform, SIFT）算法在特征点匹配时容易出现误匹配现象,提出了一种基于区域重叠核加权Hu矩的SIFT误匹配点剔除算法。该算法首先通过对SIFT描述子区域内的重叠4邻域计算Hu矩,生成能够描述纹理特征与轮廓特征的种子点描述子;其次,根据描述子的区域特点利用核函数对种子点描述子进行加权,生成63维区域重叠核加权Hu矩描述子;最后用巴氏（Bhattacharyya）系数计算归一化后描述子的相似度,并剔除相似度较小的匹配点。将该算法与其他3种算法进行对比,实验结果表明,该算法的鲁棒性最强,实时性较高,综合性能最优。     

基于配准模型仿真的锥束CT射束硬化校正方法

根据锥束CT射束硬化机理,提出一种实际扫描与仿真投影相结合的锥束CT射束硬化校正新方法.该方法从实际重建的零件序列切片图像中提取轮廓点集,然后采用初始-精确两步配准算法配准测量点集和CAD模型,并对配准后的CAD模型进行投影仿真,得到射线在各成像点上穿越零件的长度,最后采用新的指数函数拟合长度.灰度曲线并据此校正射隶硬化伪影.仿真与实际校正结果均表明,该方法可基本消除射束硬化伪影且简单实用.     

基于角点特征的KLT跟踪全景图像拼接算法

虚拟现实技术在航空航天、机器人遥操作和生物医学等领域得到了广泛应用，已成为研究问题的一种重要手段，全景图像的拼接技术则是其中一个非常重要的环节。通过SUSAN检测算子提取图像特征角点，利用快速RANSAC算法来实现图像的初配准．然后把检测到特征角点作为图像中的运动目标，利用KLT跟踪算法，确定各特征角点的精确位置，从而得到图像之间精确的单应性变换矩阵。在图像融合过程中，提出了消除图像拼接过程中“鬼影”的办法。实验结果表明，该算法能够大大提高图像配准精确度，并具有较好的鲁棒性。     

基于风格迁移不变特征的SAR与光学图像配准算法

针对异源遥感图像的匹配难题, 提出一种基于风格迁移不变特征的合成孔径雷达(synthetic aperture radar, SAR)图像与光学图像配准算法。首先, 训练SAR图像转换为光学图像的风格迁移网络。然后, 基于风格迁移网络生成人工光学图像及其与原SAR图像之间的差异图, 并利用小波多尺度特性增强人工光学图像和差异图的边缘区域, 二值分割后提取人工光学图像的边缘不变特征。同时, 提取光学基准图像的边缘特征。最后, 通过互相关性准则进行边缘特征匹配, 进而实现原始SAR图像与光学基准图像的精确配准。实验结果表明, 较同类算法, 即使在训练样本不足的条件下, 生成的人工光学图像也能与光学基准图像实现精确配准, 增强了算法的适应性。     

考虑特征提取不确定性的多特征图像配准算法

基于特征的图像配准算法中,一般只利用图像中的一种特征进行配准,且在特征匹配阶段,同等地对待每一个特征而忽视特征本身的稳健性差异,这在很大程度上限制了算法的适用范围和稳健性。在对特征的不确定性进行定义的基础上,提出了一种综合利用多种特征进行图像配准的方法。在特征匹配阶段,考虑特征本身的不确定性,即特征稳健性越强,其对相似性测度函数的影响越大,反之,影响越小。另外,为了求解利用多种特征构造的相似性测度函数的最大值,提出了交替求解和构造统一关系矩阵两种方案。实验表明,该方法是准确有效的。     

基于NSCT和IHS变换域的灰度可见光与红外图像融合方法

针对灰度可见光与红外图像的融合问题,提出了一种基于非下采样轮廓波变换(non subsampled contourlet transform, NSCT)和IHS变换域的自适应融合方法。该方法利用IHS变换域的有效分离图像亮度信息和光谱信息的优势,对灰度可见光图像进行彩色传递并得到亮度、色调、饱合度(intensity hue saturation, IHS)三个分量的值;然后通过NSCT变换分别对可见光图像的I分量和红外图像进行多尺度和多方向分解,并采用一定的融合规则得到融合图像的低频分量和高频分量,而后进行NSCT逆变换得到灰度融合图像并将其作为最终融合图像的I分量,最后进行IHS逆变换得到红绿蓝(red green blue, RGB)彩色融合图像。理论分析和仿真实验验证了该算法的有效性。     

一种基于极几何和单应约束的图像匹配算法

提出一种综合应用极几何和单应约束的图像特征点匹配算法,首先使用互相关法对图像特征点集进行初始匹配,然后运用RANSAC方法鲁棒地估计基本矩阵和单应矩阵并相应地剔除错误匹配点,最后利用优化后的基本矩阵和单应矩阵引导匹配以获得更多、更精确的匹配点。大量真实图像实验表明,所提出的算法能够产生更多的匹配点并具有较高的匹配精度。