基于自适应尺度的遥感影像渐进配准

图像配准是遥感图像处理中的基本问题.本文针对多源多时相遥感影像的特点,提出了一种基于自适应尺度的渐进配准方法,在从粗到细的迭代配准过程中,可以通过上一次配准结果的几何定位误差来确定本次匹配的尺度,并按该尺度提取特征角点和特征邻域进行匹配,与常规金字塔渐进配准方法相比,减少了匹配次数,提高了配准效率.另外,特征提取和匹配过程中提出一种基于Harris-Laplace算法和相位相关算法的遥感影像配准算法,利用Harris-Laplace角点代替原始图像,能够综合区域和特征的优点,对亚像元偏移、旋转、尺度变化具有不变性,同时对对比度和灰度的变化不敏感,具有很强的抗噪性.在特征检测和匹配的过程中采用限定搜索区域、抽稀角点等多种优化策略来提高算法的性能.实验证明,算法具有很好的精度,对几何攻击具有很好的鲁棒性,该算法已经应用于CBERS-02B星3级数据的批量自动化生产,具有很好的应用效果.     

低维特征空间中基于旋转图像的三维环境模型配准方法

近年来,异类机器人之间(如飞行机器人和地面机器人)的协作成为机器人学研究发展的一个新的领域.异类机器人协作的难点之一是协作环境建模,而由于所获得的环境模型具有不同的观测视角和尺度,其环境建模中的模型配准是一个难点和关键.目前,能够适用于大视角差、大尺度差场景配准的方法并不多,基于旋转图像的配准方法被认为是一种可行方案,但其中存在的计算负担大和在野外环境中的鲁棒性差使得其也很难在实际系统中应用.基于此,面向三维点云环境模型,以旋转图像为基础,提出了一种新的基于低维特征空间的模型配准方法.首先,通过引入模型曲率、旋转图像熵值和激光反射强度3个特征构建了一个三维特征空间,得到候选对应点集合.然后,在候选对应点集合中利用旋转图像的方法查找正确的对应关系,实现模型配准.由于低维特征空间的引入,基于旋转图像特征的对应点搜索区域大大减小,因此算法计算效率得到了极大改善.同时由于引入的新特征与场景旋转图像特征的互补性,算法的鲁棒性和精确性也得到了提升.这些性能改进最后通过实验得到了验证.     

基于去伪加权方差最小化算法的大型复杂零部件局部配准全局方法研究

以汽车飞轮壳、车身为典型代表的大型复杂零部件机器人加工质量高度依赖于测量技术.针对现有点云配准算法难以抑制由于结构偏差、余量分布不均和各种测量固有缺陷所引起的匹配偏差问题,本文围绕局部配准定位全局的思路,提出一种去伪加权方差最小化(DPWVM)算法用于点云精配准.建立自适应比例因子调节的权重函数,区分结构偏差点云和其他异常点云,从而对每个点对距离施加合理权重,以降低结构偏差点云对配准精度的影响.进一步,统一点到点距离和点到面距离,建立自适应协调距离,以提升算法收敛稳定性.本文所提算法在汽车飞轮壳局部配准定位全局的过程中可有效提高配准精度并抑制匹配倾斜,相比于ICP、VMM算法,绝对定位精度分别提升18.9%和66.7%,匹配倾斜抑制程度分别提升25.9%和85.3%,与WPMAVM算法相比,收敛稳定性进一步提高.此外,本文所提方法仅需单次数据采集即可有效配准定位,极大地提高了配准效率.     

基于共形几何代数的3D医学图像配准

随着医学图像处理技术的发展,3D／3D配准益受重视,尤其是在外科手术导航等医学应用中．学者们提出了各种3D／3D配准方法,但大多方法是采用传统代数方法进行配准,配准精度和效率都存在问题．本文利用非经典数学——共形几何代数重建了3D医学图像的位置关系约柬问题,分析了医学图像的共形几何变换,构造了新的3D医学图像配准相似测度,基于此提出了新的3D医学图像配准算法,用于CT和MR图像的3D配准．新算法中,以骨骼轮廓作为配准的基础点集,在骨骼轮廓的基础上采用共形几何代数构造共形几何体,接着采用新的3D医学图像配准相似测度进行三维数据的直接配准．实验表明新算法实现了三维数据的直接对齐,能较好地定位组织器官的三维位置．可以直观地体现配准结果．