基于多模态特征的光鄄SAR 图像融合配准算法

针对可见光和合成孔径雷达(SAR: Synthetic Aperture Radar)图像融合问题, 在图像预处理基础上, 从像素级特征、纹理级特征及边缘轮廓特征等多模态入手, 优化现有同源图像的配准融合算法。利用改进的SURF(Speeded Up Robust Features)算子、纹理分析及轮廓提取算法, 获取待融合图像的多模态和多尺度特征。通过模糊尺度标准化, 使异源图像特征对能更好地适应特征间的差异性, 从而能进行相似性的比较, 结合模糊相关系数法, 确保配准融合的精度, 实现光鄄SAR 图像信息的有效融合。与传统配准融合方法进行比较的实验结果表明, 该算法可提高光鄄SAR 配准的精度和适应性, 使配准融合的平均准确率达到87. 7%, 可满足较高精度的配准融合需求。     

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.     

基于超像素运动统计的误匹配去除方法

特征匹配是实现图像配准的重要手段,然而特征匹配中往往存在大量的误匹配,对于存在非刚性形变和大位移运动的图像序列尤为严重;如何从初始匹配结果中找到准确可靠的匹配点集,是提升图像配准性能的关键.为解决上述问题,首先根据图像的空间和色彩相似性,利用改进的超像素分割算法对图像进行分割;分割后的超像素块在空间上紧密相连,严格遵循图像轮廓边缘,且在同一区域内的颜色纹理基本趋于一致,可保证内部特征点具有相同或一致的运动趋势;同时,采用ORB算子对图像进行特征提取与描述,并利用暴力匹配算法得到初始匹配点集.其次,在超像素运动一致性约束下,提出了一种基于超像素运动统计模型的误匹配去除算法.通过建立超像素网格统计模型,将初始匹配坐标分配至相应的超像素区域,利用累加器计算出每个超像素对的匹配度,将初始匹配的概率分布特性转换为统计特性.最后,根据超像素匹配度的差异,计算出正确匹配的掩膜图像,实现了误匹配点的自动识别和剔除.仿真实验结果表明,与当前的误匹配去除算法相比,本文算法不依赖于复杂的参数模型,具有较高的鲁棒性,运算速度较快,可有效去除非刚性形变图像配准过程中产生的误匹配.     

一种基于显著性区域分割的SAR图像配准算法

针对传统SIFT算法的配准精度和配准效率易受斑点噪声和图像灰度差异影响的问题,提出一种基于显著性区域分割的SAR图像配准算法.首先基于改进的马尔可夫(MRF)算法对SAR图像进行分割,结合区域特征和边缘特征筛选出稳定的显著性区域;然后在显著性区域的边缘附近进行SIFT特征点的提取;最后通过SIFT特征点的匹配实现图像配准.实验结果表明,该方法在保证较高的配准精度的同时,提升了算法效率.     

一种改进的遥感图像配准方法

在分析当前主要的图像配准方法的基础上, 提出一种改进的基于点特征的遥感图像配准方法: 首先对参考图像进行分块, 每块提取一定数量的特征点, 以确保各块图像特征点分布均匀; 根据已知的同名点对, 拟合变换方程, 将待配准点代入变换方程得到粗匹配点坐标, 再以粗匹配点为中心在一个较小的范围内搜索, 根据相似性测进行精配准, 确定正确的同名点位置, 在此基础上实现整体遥感图像配准。为了验证该方法的有效性, 针对变大和传感器位移较大的光学遥感图像设计了仿真实验。实验结果表明, 改进方法能很好地解决光学遥感图像之间的配准问题, 降低特征点提取和同名点匹配的时间复杂度。     

一种改进的遥感图像配准方法

在分析当前主要的图像配准方法的基础上,提出一种改进的基于点特征的遥感图像配准方法:首先对参考图像进行分块,每块提取一定数量的特征点,以确保各块图像特征点分布均匀;根据已知的同名点对,拟合变换方程,将待配准点代入变换方程得到粗匹配点坐标,再以粗匹配点为中心在一个较小的范围内搜索,根据相似性测度进行精配准,确定正确的同名点位置,在此基础上实现整体遥感图像配准。为了验证该方法的有效性,针对变形较大和传感器位移较大的光学遥感图像设计了仿真实验。实验结果表明,改进方法能很好地解决光学遥感图像之间的配准问题,降低特征点提取和同名点匹配的时间复杂度。     

基于人工免疫算法的光学影像与SAR影像配准方法

提出了一种基于人工免疫算法的光学影像和SAR影像配准方法,该方法从影像上的面状地物入手,仅从识别性较好的光学影像上提取面状地物,先随机给定一组配准参数,将光学影像上面状地物的坐标经仿射变换获得新的坐标,以转换后新坐标在SAR影像上对应区域的均质性为评价标准,并利用人工免疫算法对配准参数进行优化,从而得到影像配准结果.最后,利用WorldView-2和RadarSat-2影像的配准实验验证该方法的有效性,结果表明该方法配准精度可优于2像素.     

光学分子影像手术导航系统中图像融合算法研究

手术中肿瘤的精确定位一直是国际上的研究热点及挑战性问题.对光学分子影像手术导航系统中的图像融合算法进行了研究,对图像数据进行预处理后,利用梯度信息确定荧光图像兴趣点,缩小配准点的搜索区域.配准过程采用穷尽搜索策略,以平均绝对差(MAD)、均方差(MSD)和归一化积相关(NPROD)作为相似性度量,并利用域法修正的方法对兴趣点坐标进行修正,避免了因兴趣点过度偏离图像中心而导致配准失败.该算法将32组图像数据的平均配准时间从原始算法的539.384 s缩短到43.200 6 s(MAD),46.685 3 s(MSD)及85.978 6 s(NPROD).采用这3种相似性度量算法的融合效果均优于原始算法.     

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.     

一种改进的A-KAZE算法在图像配准中的应用

针对现有图像配准过程中难以保持图像的局部精度和边缘细节的问题,在A-KAZE算法的基础上提出了一种改进的图像特征提取算法AKAZE-ILDB.该算法首先利用非线性扩散滤波方程构造图像金字塔,采用快速显示扩散(FED)求得数值解,得到具有亚像素精度的图像特征点坐标;然后利用改进的LDB(ILDB)描述子构造具有尺度和旋转不变性的图像特征向量,对特征向量采用汉明距离进行KNN匹配;最后基于仿射变换模型计算空间映射参数矩阵来实现图像配准.实验结果表明:在保持相同图像特征匹配正确率的情况下,AKAZE-ILDB算法比A-KAZE算法平均配准时间缩短了300 ms;在配准精度方面,比A-KAZE算法提高了3.7%,比传统特征提取算法SURF匹配正确率提高了29%.     

基于空间结构约束的改进迭代最近点影像配准

提出了一种改进的基于空间结构约束的迭代最近点(ICP)影像配准方法.该方法通过结合特征点的空间结构相似性和特征相似性获得特征点的匹配矩阵,其中特征相似性通过特征点的局部特征描述算子进行计算,空间相似性则通过特征点的空间位置进行计算.特征点之间的空间结构相似性不仅包括了对应特征点之间的空间距离,还包含了特征点到邻近特征点的空间距离.在匹配过程中,分别从参考影像和待配准影像的角度出发,实现了匹配的对称性处理.通过对具有不同影像特征的真实遥感影像进行实验,结果表明该算法具有较高的配准精度.     

基于光谱图像空间的改进SIFT特征提取与匹配

原始SIFT算法采用不同参数的高斯核取差,是对图像空间性质的一种测量方法. 本文在光谱维度上取差,用光学系统在光谱维度上的差异作为图像空间性质的测量方法;传统SIFT方法及大量的改进方法只统计以特征点为中心的邻域范围内图像块的像素信息,文中将匹配过程分为2个步骤,首先利用邻域范围内的图像块像素信息进行粗匹配,然后选取排序后相似程度最高的4组匹配对作为基准匹配对,对特征点进行二次校验. 仿真结果表明文中的设计方式显著增加了检测到的特征点数量,有效剔除了错误匹配.      

基于地理坐标参数的SAR图像自动概略配准法

提出了一种新的基于地理坐标参数的SAR(Synthetic Aperture Radar)图像自动概略配准方法.该方法利用SAR图像的地理坐标(经纬度)参数,用多项式拟合主辅图像中像元的地理坐标随其图像坐标的变化,首先得到主图像中心像元地理坐标值,然后在辅图像中找到某个像元,其地理坐标等于主图像中心像元的地理坐标,此辅图像中像元的图像坐标与主图像中心像元的图像坐标之差即为概略配准的偏移量.用真实的SAR数据研究证明,本文提出的方法运算速度快,配准精度高.     

基于区域特征的光学图像与SAR图像配准算法

图像配准是进行图像融合、变化检测等图像处理应用的前处理步骤,其配准效果将直接影响到后续图像处理工作的质量．针对光学图像与SAR图像成像特性差异,提出了一种基于区域特征的配准算法,通过实验结果证明了本算法的有效性．     

多项式展开的快速扩散张量图像配准

提出一种基于多项式展开的扩散张量图像快速配准方法.采用拉普拉斯算子提取经图像增强处理的各向异性测度图像的边缘特征点,给出一种图像变换模型,利用边缘特征点来定义图像的特征,并以此校正图像的方向.利用基于多项式展开的配准模型,对已经经过方向校正的各向异性测度图像进行全局像素点稠密配准.实验结果表明该方法有效地提高了配准效率和配准精度.     

图像自动配准初始参数确定

为了实现图像自动配准,需要确定初始变换参数,为此提出了图像特征线和图像特征圆的概念。以仿射变换作为图像配准变换模型,由Harris角点检测法确定图像特征点,由图像特征点求取图像特征线和图像特征圆,根据该特征线和特征圆洋细推导了图像自动配准初始参数的确定算法。根据以上算法实现了图像自动配准,证明了该算法的有效性。     

改进的SIFT特征匹配算法

针对SIFT特征匹配算法在特征空间中进行历遍搜索,匹配速度慢的问题,提出一种金字塔层间匹配算法。首先,根据特征点所处金字塔层不同将特征点划分为不同的集合,其次,选择待配准图像金字塔中某一层集合,在基准图像金字塔中寻找相似层,并确定待配准图像金字塔与基准图像金字塔层之间的相似关系,最后,在相似层之间寻找匹配点。待配准图像中的选择层集合由金字塔底层到顶层,寻找相似层所用时间依次缩短。与原算法相比,该算法具有相同的旋转稳定性。将该算法与原算法分别应用实际图像配准中,结果表明:可见光图像配准中,匹配速度提高了3.2倍,正确匹配率提高了10.3％,红外图像配准中,匹配速度提高1.4倍,正确匹配率达到100％。