增强现实技术在虚实图像配准中的研究

通过标定对标志点进行匹配,利用变换关系将真实场景图像与计算机生成的虚拟物体图像准确配准,最终达到增强现实的效果,并通过计算机乳腺外科手术支援系统进行验证.     

基于仿射变换特征匹配的虚实注册方法

提出了一种新的基于仿射变换特征匹配的虚实注册方法,以解决基于平面自然特征的三维注册系统中的误差积累问题.该方法分为离线三维重建和在线实时注册两个阶段.离线阶段系统根据双目视觉原理建立平面坐标系,并根据用户指定的三点建立世界坐标系,同时利用仿射变换生成待匹配特征点的样本集合,供后续匹配过程使用.实时注册阶段,系统先将当前图像与样本集合做特征匹配以获取特征点间的对应关系,再利用上述对应关系恢复出当前帧与平面结构间的单应性关系,进而求取三维注册所需的变换矩阵.实验结果表明该方法是有效可行的,而且在克服误差积累方面较传统方法有明显改善.     

基于医学图像配准方法的研究

本文对医学图像的配准方法进行了研究,分析了刚性配准和非刚性配准方法的主要区别和适用范围,并分别对图像进行了两种方法的配准。     

基于无监督学习的三维肺部CT图像配准方法研究

三维肺部电子计算机断层扫描(computed tomography,CT)图像非刚性配准是医学图像配准领域中最重要的任务之一.但是,肺部组织受呼吸运动影响而产生的非线性形变与大尺度位移给三维肺部CT图像的非刚性配准带来巨大挑战.针对这一难题,设计开发了一种基于无监督学习端到端的配准方法.通过改进现有U-Net神经网络结构,在跳接之间引入Inception模块,充分融合多尺度深层特征生成高精度的稠密位移向量场.为保证位移向量场光滑,在损失函数中加入雅可比正则化项,以达到训练中显式惩罚位移向量场中奇点的目的.另外,为缓解现有公开数据资源有限导致的过拟合问题,提出了一种基于三维薄板样条(3D-thin plate spline,3D-TPS)变换的数据增强方法实现对训练数据的扩充,将具有60套三维肺部CT图像的训练数据集EMPIRE10扩充为6 060套以满足卷积神经网络训练的需要.设计验证实验,通过与基于学习的Voxelmorph方法和两个包含传统方法配准工具包ANTs和Elastix进行比较.实验结果表明:在公开可用的DIR-Lab 4 DCT数据集上,所提出的方法在目标配准误差(tar...     

基于轮廓提取的医学图像配准方法

提出一种基于轮廓提取及循环迭代的估计医学图像间配准参数的方法，并构造了评价函数用于指导循环迭代过程．通过对实际医学图像进行实验，结果表明这种方法不仅适合单模态医学影像的配准，也非常适合多模态医学影像的配准．     

一种准自动多传感器图像配准方法

针对现有多传感器自动配准方法存在的应用局限性，提出了一种人机交互式粗—精结合的准自动配准方法．先选取少量控制点进行粗匹配，在此基础上利用整体图像信息进行精匹配．该方法将基于特征和基于区域的配准方法进行了有效结合，从而保证了配准的精度和效率，取得了令人满意的效果．此方法可以作为现有的自动配准方法的补充．     

基于混合配准策略的多模态医学图像配准方法研究

提出了一种由"粗"到"细"的混合配准策略,该配准策略吸取了以往配准方法的优点,且在细配阶段将基于特征的配准方法和基于灰度的配准方法结合在一起,提出了基于轮廓特征点集最大互信息的配准方法,从而在速度和精度上都得到了很大提高。     

基于多分辨率和互信息的图像配准方法研究

用互信息进行图像配准可使配准的精度达到亚像素级,但该方法因计算量很大致使配准速度较慢.为了提高图像配准速度,并进一步提高配准的精度,首先运用多分辨率的方法将两幅待配准图像分别分解成n个不同分辨率的子图像,然后利用互信息先将分辨率最低的图像进行粗配准,并将此配准的结果作为下一个分辨率较高的图像配准的基础,继续这个过程直至最高分辨率图像被配准,即运用由粗到精的配准策略减小计算量,从而提高配准速度.用Visual C++6.0编程实现该配准方法,实验结果表明在图像配准过程中将多分辨率和互信息结合起来使用,配准速度得到很大的提高,并且由于多分辨率的使用有利于避免局部最大值,使得配准精度也有了一定程度的提高.     

基于回归神经网络的误差配准算法

神经网络系统理论已受到广泛关注。它的理论和方法已被应用到许多研究领域。本文介绍了神经网络雷达配准原理。并推导了基于回归神经网络的误差配准算法。     

基于互信息的多模图像配准研究

分析了基于互信息的多模态图像配准的理论和方法,从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等,同时给出基于互信息的图像配准的基本步骤。     

一种基于自然特征点的增强现实注册方法

介绍了一种基于自然特征点的增强现实注册方法．根据计算机视觉的理论,在透视变换的情况下,一个景物平面与一个图像平面之间的变换是平面投影变换．通过这个原理就可以推导出投影矩阵在满足一定条件下可由单应矩阵得到．根据这个原理,首先通过一个景物平面和图像之间的单应得到初始状态相机的投影矩阵,然后对后面每帧图像和前一帧进行自然特征点匹配,通过匹配点对计算出图像之间以及图像与景物平面的单应关系,由此就可以得到每一帧图像对应的相机的投影矩阵,从而完成虚拟物体的注册．     

基于自然特征的增强现实注册算法

增强现实标志点注册算法需在场景中叠加各种标志,系统构造复杂.文中在深入研究机器人视觉伺服系统的基础上,提出了利用虚拟视觉伺服技术、基于自然特征的增强现实注册算法.利用特征点和图像矩作为图像特征,推导出了图像特征变化量与虚拟摄像机相对位姿变化量之间的关系矩阵(即图像的雅可比矩阵),实现了基于自然特征的三维注册算法.与混合跟踪注册算法、共面四点注册算法相比,文中方法具有更高的精度.     

增强现实系统的动态注册

增强现实是虚拟现实的一个重要分支,有着广泛的前景与应用价值,增强现实系统中最关键的技术是三维注册,为实现虚拟物体与真实物体间的完美结合,三维注册精度至关重要,由于系统延时造成虚拟物体在真实物体附近游移,严重地影响系统的整体注册精度,针对该问题采用扩展卡尔曼滤波方法跟踪标志点,估计头部运动方位,对增强现实系统进行动态注册,以减少系统延时,提高三维注册精度,该算法实时性强,能够较好地解决增强现实系统延时造成的注册误差。     

基于图形处理器的增强现实自然特征注册算法

传统的基于中央处理器(CPU)的计算架构已无法满足增强现实(AR)三维注册技术实时运行要求。针对该问题,该文提出采用现代多核异构、大规模并行处理功能的通用图形处理器(GPGPU)来加速和优化AR三维注册算法,研究了在GPU上实现类似特征提取和匹配等AR三维注册核心技术的基础理论、方法和实验。结果表明,通过模块划分和优化后的图像特征提取SIFT算法、随机采样等,能够充分挖掘AR三维注册算法的并行运算潜力,对于640*480像素的图像序列,注册算法能够达到15帧/秒,有效地提高运算实时性。     

非线性相机模型对AR系统注册精度的改进

注册是AR系统成功的关键技术之一.最近提出的采用基本矩阵的注册算法,不需要辅助的定位器材,也不需要人工标志物,易于执行,适应范围广,但注册精度有待改进.通过Tsai算法引入了非线性相机模型,对原有图像进行畸变校正,然后用基于基本矩阵的注册算法采用校正后的特征点进行计算.从实验所获得的结果来看,这种方法可以获得较原注册算法更好的精度.     

针对重复纹理场景的跟踪定位算法

提出一种针对复杂标识的分类学习算法,并将其应用于移动增强现实系统中,实现了基于自然特征的跟踪定位系统.在场景特征点识别分类基础上,采用关键帧匹配算法实现无标识跟踪定位.针对含有对称结构的场景提出一种误匹配特征的回收机制.实验结果表明,该算法可解决由于场景对称结构导致的错误特征匹配,从而大幅提高特征的正确匹配率.     

基于ADS-B数据的一次雷达系统误差配准方法

针对大误差一次雷达测量过程中雷达配准方法的精度提升问题,分析了一次雷达误差分布特性,以广播式自动相关监视系统的航迹数据为真值,提出了基于改进轨迹跟踪滤波的实时雷达配准方法。采用点云配准方法中随机抽样一致性的迭代最近点法,对基于期望增加模型的变结构交互式多模型算法中的偏置函数进行了改进,有效减少了随机误差在配准过程中的影响,并获得最优的偏置参数,以提升大误差一次雷达配准的精度。算例分析结果表明,该方法配准后可使所选一次雷达俯仰角平均绝对误差降低至0.04°,方位角平均绝对误差降低至0.07°,为雷达系统误差配准提供新方法支撑。     

基于投影红外标志点的室内大范围增强现实跟踪方法

提出一种基于投影式红外标志点的方法用于室内大范围增强现实跟踪注册.设计一种红外投影装置与红外激光发射器配合作为红外标志点发生器.采用红外摄像机采集红外图像,另一摄像机采集真实场景.提出利用解决同时定位与地图生成的SLAM方法,对红外图像进行分析,由一个初始已知标志点开始,跟踪投影在墙面或天花板上的其他红外标志点.由扩展卡尔曼滤波算法得到红外摄像机位姿,进而完成三维注册.实验证明该方法原理可行,能够满足实时跟踪注册的要求.