基于梯度互信息与均匀设计PSO的航拍图像配准

基于互信息的图像配准算法精度较高,且易于实现自动配准,适合于无人机航拍图像配准.但在利用粒子群算法搜索最佳配准参数时,随机分布的初始粒子群容易集中在参数空间的某一区域,使算法陷入局部极值而得不到准确的配准结果;针对这一问题,提出一种新的图像配准算法,算法采用均匀设计思想改进粒子群算法,使初始粒子群能够均匀分布在搜索空间中,从而获得最佳配准参数;同时采用梯度互信息作为相似性测度,降低算法陷入局部极值的可能性.实验表明,新的算法能够更快更优地得到理想的航拍图像配准结果,验证了算法的有效性.     

群搜索算法与Powell法结合的医学图像配准

为了实现医学图像的快速准确配准,提出了基于群搜索算法,以及群搜索算法与Powell法相结合的医学图像配准算法,并以互信息作为图像配准的相似性测度,使用群搜索算法、群搜索与Powell法相结合的方法在指定的搜索空间求解配准所需的空间变换参数,从而实现图像的配准.实验结果表明:群搜索算法能够成功实现医学图像配准,与粒子群算法相比,群搜索算法用于医学图像配准能够得到更高的配准精度;群搜索算法与Powell法结合,能够在减少目标函数计算次数的基础上,极大地提高图像配准的精度.     

改进的基于最大归一化互信息的医学图像配准算法

作者提出了一种基于最大归一化互信息的医学图像配准算法.该算法利用改进的部分体积插值法进行插值计算,有效地克服了图像配准中常见的局部极值问题.该算法利用最大互信息作为目标函数,POWELL优化搜索算法搜索一个最大互信息量从而获得最佳配准参数.实验证明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性.     

基于互信息和混合优化算法的多模医学图像配准

针对互信息函数的多极值问题,提出了一种基于混合优化算法的多模医学图像配准方法.对于多模医学图像,以互信息作为相似性测度,使用混合优化算法搜索出最佳配准变换参数,将待配准图像进行变换,从而达到配准的目的.实验表明,该算法能避免陷入局部最优值,配准结果精度达到亚像素级.     

基于混合优化算法的医学图像配准技术

在图像配准的优化算法中, 为避免使算法陷入局部最优的问题。 因此, 提出基于最大互信息和混合优化算法的医学图像配准算法, 利用模拟退火算法思想改进粒子群优化算法, 提高了全局寻优的能力, 能更好地跳出局部最优。 由实验结果可知, 该方法不仅具有较好的图像配准精度, 对椒盐噪声和高斯噪声也有较好的鲁棒性。     

一种改进的基于小波分解和混合优化的图像配准方法

提出了一种改进的基于小波分解、互信息测度以及混合优化的图像配准方法.在最低分辨率下采用一种带极值扰动的简化粒子群优化算法进行全局优化,在高分辨率下采用鲍威尔算法进行优化.结果表明:该方法用于医学图像及普通灰度图像配准,都具有良好的全局优化性能和时间性能.     

一种改进的隐含相似性光学和SAR图像配准算法

光学和SAR(synthetic aperture radar)图像信息的互补性和特征表现的差异性使得两者的配准成为目前多源遥感图像处理的研究重点.隐含相似性配准从图像间存在结构上的相似性出发,将传统复杂的特征匹配过程简化为特征点集的迁移和仅需在单幅图像上对配准参数进行迭代搜索的过程,为光学和SAR图像配准提供新的思路.基于上述配准思想,研究用Canny算子改进特征点集提取过程,引入联合马尔可夫模型提高SAR图像去噪质量,以改进后的量子粒子群算法优化配准参数搜索过程,最终实现光学和SAR图像的配准.经实验证明,改进后的隐含相似性光学和SAR图像配准算法能达到像素级甚至亚像素级的配准精度.     

基于粒子群优化算法的散乱点云数据配准

针对目前散乱点云数据配准算法在精度、速度和优化等方面存在的问题,提出一种基于粒子群优化算法的点云数据配准算法.该算法首先根据数据点之间曲率的相似度函数,采用粒子群优化算法在两组点云数据中搜索可以匹配的点对集合,然后用最近点迭代算法进行二次配准,实现了两组散乱点云数据的精确配准.对比实验表明,该算法配准速度快,效果好.     

基于梯度信息和区域互信息的图像配准

针对红外图像和可见光图像的特性,提出了基于梯度信息和区域互信息的红外与可见光图像配准。为了提高配准的速度,采用分层配准方法:使用小波分解将原始图像分为两层,在小尺度层上使用梯度信息和PSO方法找到粗配准参数,大尺度层上使用区域互信息和Powell搜索。其中,Powell搜索的初始值为粗配准参数,最终实现红外图像和可见光图像的有效配准。仿真实验结果表明:该算法配准精度高、速度快、鲁棒性好。     

fMRI时间序列图像的配准测度及其相关优化方法

随着脑功能成像技术的迅速发展，人们对fMRI时间序列图像的配准问题也越来越重视．通过配准测度的建立，图像的配准问题最终被归结为数学上的多参数优化问题．本文综述了目前较常用的配准方法，介绍了基于灰度值的图像配准的差值平方和测度与互信息、测度以及求解它们的优化方法：阻尼GaussNewton法、有记忆功能的模拟退火算法、改进的Powell算法和一类新的进化策略算法．这四种算法各有特点能有效地找到最佳配准参数，配准精度较高，且能收敛到全局最优点。     

一种由粗到精的核医学图像配准算法

根据核医学图像的特点,提出一种基于图像轮廓并口灰度互信息的核医学图像配准算法。该算法首先基于图像的轮廓的基本特征参数确定粗配准的尺度参数、平移参数和旋转参数,再基于粗准结果利用最大互信息配准准则确定精配准的配准参数。对实际核医学图像的配准实验表明,该算法配准精度高、鲁棒性好,同时配准速度比较快、     

基于改进型互信息的遥感图像配准方法

互信息作为图像配准的相似性测度函数,同等程度地包含了待配准图像重叠区域中感兴趣信息和冗余信息。本文将图像中感兴趣区域的互信息引入到图像相似性测度函数中,给出一种互信息和感兴趣区域互信息相结合的新的图像配准相似性测度函数,再基于该测度函数实现对遥感图像的配准。实验结果表明本文算法在提高配准精度上的有效性。     

基于形状匹配的快速图像配准

为了发挥基于特征的图像配准方法和基于像素的配准方法的优点,提出了一种将特征匹配和最大互信息法相结合的配准方案：先提取参考图像和浮动图像中的目标形状进行匹配,利用匹配结果求出互信息搜索算法的初始值再进行搜索．实验表明,该方法计算量小、速度快且精度高,可避免参数搜索陷于局部极值,有效地提高了配准的速度和精度．     

一种基于DCWPSO算法与FFD模型的心脏CT序列图像配准算法

为实现心脏CT图像不同序列间的自动配准,提出了综合动态调整惯性因子权重的粒子群算法(DCWPSO)和自由形变(FFD)模型的非刚体医学图像配准方法.在对比常用的单纯形算法和模拟退火(SA)算法的基础上,采用动态调整惯性因子权重的自适应粒子群算法求解全局配准参数,克服了基于梯度的优化方法耗费时间长的缺点.在全局配准的基础上以FFD模型的形式应用层次B样条进行非刚性局部配准,利用B样条层次加细策略提高了配准的精度.实验结果表明,所提方法能够得到更好的配准结果.     

基于最大互信息的分层图像配准方法

基于互信息的图像配准算法具有精度高,鲁棒性强的特点,但是容易陷入局部极值,产生误匹配。本文在配准中采用归一化互信息(NMI)做价值函数,考虑了计算中的出界点和插值问题,将Powell算法与分层策略相结合来进行优化处理,并通过计算图像的灰度重心设置初始参数。实验结果验证了算法在匹配精度和速度上的有效性。     

加快寻优的医学图像互信息配准算法的研究

为了实现多模态医学图像的配准融合,提出一种加快寻优的医学图像互信息配准算法实现CT和MR图像的配准.该算法首先使用形态学方法提取图像的边界,再用力矩主轴法算出浮动图像进行刚性变换的初步平移量和旋转量,然后以此作为互信息法的初始参数进行寻优,找出最佳变换,实现CT和MR医学图像的自动刚性配准.该方法计算简单、运算量少.利用该配准算法实现融合的结果图像经过临床医生检验,认为达到临床诊断的要求,能辅助临床医生对疾病做出正确的诊断.     

基于粒子群优化算法的多模态医学图像刚性配准

提出了一种基于轮廓特征点及利用PSO(粒子群优化)求解多模态医学图像自动配准新方法．首先采用数学形态学中腐蚀和膨胀算法对图像进行预处理,用区域生长法提取图像的边缘;再用subtractive聚类算法提取出轮廓特征点,将两个特征点集的均方根极小值作为配准准则,然后用PSO算法求解空间变换参数．该算法适用于多模态医学图像配准,与其他算法相比,PSO算法具有操作方便、可靠性好、不易陷入局部极值等优点。     

改进的人工鱼群算法和Powell法结合的医学图像配准

针对目前基于互信息图像配准的局部极值问题,提出了一种改进的人工鱼群算法和Powell算法结合的多分辨率医学图像配准算法.该算法采用新的相似性测度方法即归一化模糊加权互信息和归一化局部能量加权匹配度,利用多分辨率策略采用HPV插值,并采用改进的人工鱼群算法结合Powell算法完成医学图像的配准.采用改进的人工鱼群算法在图像的最低分辨率上进行全局优化,以全局最优值为初始值,结合Powell算法完成图像配准.这不仅基本解决了互信息函数和Powell算法的局部极值问题,还减少了数据的处理量,加快了配准速度.实验结果表明,文中算法与其他经典的配准算法相比,提高了配准的精确度和性能.     

基于图像分割的视网膜血管图像配准研究

利用不同波长的视网膜图像可以对视网膜血管血氧饱和度进行计算,但需进行配准处理.提出一种基于视网膜图像血管分割的互信息图像配准方法.为了充分利用血管的轮廓信息和灰度信息,提高配准精度,首先对配准图像进行图像分割,提取视网膜图像中的血管轮廓信息;然后对分割后图像中的血管进行相似度计算,并采用Powell优化算法中的黄金分割法一维搜索算法来提升运算速度;最后根据计算的相似度值来完成不同波长图像的配准.研究中算法配准获得变换参数(角度、X方向、Y方向)的误差的均值分别为2.00%、2.53%和2.52%,误差的方差分别为0.57、2.09和0.34,均优于直接互信息配准方法.实验表明:算法可以自动、有效地对不同波长的视网膜血管图像进行配准,并具有良好的可重复性和稳定性.     

基于互信息的混合蚁群算法及其在旅行商问题上的应用

为了提高蚁群算法的求解性能,从医学图像配准算法的思想出发,提出了一种基于互信息相似度的混合蚁群算法.为了表示最优路径和待配准路径之间的互信息熵,在蚁群算法的概率算子中增加了一个新的相似度影响因子,从而可以增加原算法的全局搜索能力,同时可以加速算法在解空间的搜索速度.将该算法应用在旅行商问题上,根据旅行商问题的特定环境,...