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．     

一种多传感器遥感图像的配准方法

提出了一种对多传感器遥感图像进行配准的新方法，应用数学形态学的方法提取源图像的结构特征，并在此基础上选择图像相关配准点，利用仿射变换作为变换模型，根据变换参数将输入图像与参数图像进行配准，实验结果表明，此算法可以有效地解决成像差异较大的遥感图像间的配准问题，具有较高的使用价值。     

多传感器遥感图像配准方法的研究

根据多传感器遥感图像的成像特点,需要对获得的遥感图像进行配准融合后才能获得所需要的信息.傅立叶变换应用在多传感器遥感图像配准中可以达到预期的配准效果,能够分析出所需要的数据信息.     

多传感器中传感器配准技术发展综述

多传感器配准技术是多传感器数据融合中的一个重要环节。文中介绍了多传感器配准误差源的主要来源及配准方法，综述了现有的多传感器配准技术，最后提出了采用神经网络和知识库以及智能计算相结合的方法来解决配准这一难题。     

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。     

高精度多视频配准算法中静态图像配准算法的选取

在之前的研究中提出了一种高精度的多视频时空配准方法,该方法将Caspi等人提出的多视频配准算法与基于静态图像的配准算法有效地进行了结合.但在结合的同时,如何选取静态图像配准算法是需要考虑的问题.本文对两类主要的静态图像配准方法进行了理论分析与实验比较,提出了在我们的多视频时空配准方法中使用基于特征的静态图像配准算法的思路.实验结果验证了本文思路的合理性.     

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。     

基于遗传算法与仿射变换的遥感图像配准

为了更好地实现遥感图像配准,提出一种新的模型,将传统的平移旋转变换推广到仿射变换,采用互信息测度衡量两幅图像之间的差异,并采用遗传算法寻找模型的最优值.实验表明算法有效,能够在较短的迭代次数内收敛到问题的最优解.     

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.     

联合图像配准的脑卒中病灶自动分割方法研究

针对目前慢性脑卒中的病灶分割准确性相对较低的问题,提出了一种联合深度图像配准的慢性脑卒中自动分割方法。采用深度拉普拉斯金字塔图像配准网络,在微分同胚映射的空间内以从粗到细的方式获得大脑分区,以得到病灶位置的解剖先验信息;将原始磁共振图像和配准阶段的分区结果联合,输入到加入了通道和空间注意力模块的U-Net进行病灶分割。在公开的数据集ATLAS上进行测试表明,提出的方法有效提高了慢性脑卒中病灶分割的准确性,比经典的2D U-Net提升了4.4百分点,证明了基于深度图像配准的大脑分区先验可有效增强模型对病灶的分割性能,更好的组织分割能提高病灶分割准确性。     

基于小波变换的多光谱图像和全色图像配准算法

研究一种快速、准确的适用于大角度旋转的多光谱图像和全色图像自适应配准方法.该算法首先基于小波变换提取图像的角点作为特征点,然后提出利用基于区域带旋转角度估算的相似度最大和三角形相似的方法确定最佳的配准参数,最后采用迭代算法优化配准参数.实验结果表明:该方法可以准确、自动地获得不同的多光谱图像和全色图像之间的配准参数.     

改进模拟退火算法在图像配准中的研究

为了实现图像的配准，提卅了使用模拟退火算法求解2幅图像的最佳匹配参数，然后对待配准图像进行变换，从而达到配准目的．实验表明，该方法对平移、旋转的2幅图像具有较高的配准精度和初值鲁棒性，其中的改进算法，即单纯形一模拟退火算法可以使优化解不陷入局部极值而获得全局优化解，具有更高的配准精度，同时也大大提高了运算效率．     

基于深度学习的医学图像配准研究进展

图像配准是图像引导手术、图像融合、器官图谱生成、肿瘤和骨骼生长监测等临床任务应用的关键技术,也是一个极具挑战性的问题。近年来,深度学习技术对医学图像处理方法的研究产生重要的影响,在医学图像配准领域发展迅速。对使用深度学习技术实现医学图像配准的研究进行综述,首先按照深度学习模型将医学图像配准方法分为3类,包括监督、弱监督和无监督医学图像配准;然后分别介绍国内外研究进展,并总结这些研究方法的优缺点;在此基础上,阐述常用的深度学习配准框架以及评价标准,并总结常用的开源医学影像数据集;最后对深度学习技术在医学配准图像领域中存在的问题进行分析,展望未来发展的方向。     

基于随机轮廓匹配的快速图像配准算法

为了克服确定性图像配准算法计算速度和准确率难以同时兼顾的缺点,提出了一种对部分重叠的图像进行快速配准的方法,该方法是基于轮廓特征的随机匹配算法。通过提取轮廓上的“关键点”作为特征点,随机选择若干特征点对得到候选变换,随后的投票阶段对其变换参数进行检验和求精。实验结果表明:对于典型的应用,该算法比传统确定性匹配算法的速度提高了约一个数量级,能够在线性时间内完成对两幅图像的配准,而且,该方法能够对包含相当比例误报的特征点集进行匹配,具有很强的适应性。     

基于复合型2S网络的红外与可见光图像配准研究

针对传统图像配准方法在红外图像与可见光图像配准任务中效果较差的问题。提出了一种复合型2S网络即Superpoint+Superglue相结合的特征匹配法用于红外与可见光图像配准。方法中首先使用Superpoint独特的特征提取方法,充分提取红外图像与可见光图像之间的共性特征。其次利用Superglue特征匹配方法中增加匹配约束和使用注意力机制的思想,发挥神经网络的优势,提高匹配效率。在训练阶段通过使用自建数据集的方法,以提高神经网络的泛化性与准确性。结果表明：传统配准方法在三组实验图像上的特征点提取重复性评分与准确性评分分别为：（0.0067,0.0061）、（0.0010,0.0008）、（0,0）,特征点正确匹配对数为：7对、1对、0对,平均数量低于估计变换矩阵所需要的最少四对匹配点对。而基于Superpoint+Superglue的红外与可见光图像配准方法的各项评分为：（0.2402,0.2625）、（0.1939,0.1722）、（0.2630,0.2644）,特征点正确匹配对数为：252对、165对、252对,特征点提取评价指标与特征点对正确匹配数量相较于传统方法均大幅度提升,可以较好的完成配准任务。     

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。     

基于模糊数学的对抗网络图像配准建模

为了解决传统方法特征提取结果受外界环境影响大,且没有考虑对抗网络图像中高频信息的特殊作用,影响配准精度的问题,通过模糊数学方法分析对抗网络图像配准建模问题。分析了对抗网络,在生成模型与判别模型中添加条件变量,通过对抗网络,利用表征向量对图像进行重构,生成图像数据。通过变换对图像对比度进行扩展,通过反变换获取原空间域中的边缘增强图像,通过抑制干扰能力强的Susan算子提取对抗网络图像边缘特征。在边缘特征提取的基础上,引入模糊数学中的模糊隶属度,对图像中不同点属于梯度的模糊隶属度进行定义,构造图像的模糊梯度场,通过模糊数学中的贴进度构造模糊梯度相似性测度,将模糊梯度相似性高的图像作为配准图像,实现对抗网络图像配准。结果表明:研究方法配准效果好;针对存在平移、灰度变化、细节变化、区域变化和尺度差异情况下的图像,可保持很高的性能。研究结果应用性强,配准准确性好。