一种改进全变分配准模型的优化NMG求解方法

引入超曲面函数作为图像配准正则项的核函数,建立了位移兼顾全局平滑与保留不连续性的改进全变分(TV)配准模型.为了快速有效地求解该模型,在一般的非线性多重网格(NMG)算法中,使用滞后扩散不动点迭代与逐次超松弛迭代相互作用构造新的平滑方法,并在限制过程中采用层析技术将粗网格上的误差插值回细网格,设计出一种优化NMG算法.仿真实验结果表明,优化NMG算法与NMG算法相比,配准精度更高,收敛速度更快;改进TV配准模型与TV配准模型相比,配准误差更小,耗时更少,配准效果更好.     

功能磁共振时间序列图像快速配准方法研究

提出了一种非迭代分别检测时间序列图像间旋转、平移运动的方法．该方法基于傅立叶频谱的相位相关特性，解决了迭代配准算法中的旋转与平移耦合问题．通过精心选择参考图像，采用基于递归数字滤波的三次B样条插值方法，实现了功能磁共振序列图像的快速配准，配准精度达到了亚像素级。     

基于Keren改进配准算法的IBP超分率重建

提出了一种基于Keren改进配准算法的迭代反投影(iterative back-projection,IBP)超分辨率重建算法.该算法克服了Keren迭代配准算法基于小角度旋转的局限,并在迭代运算过程中引入了权重因子和阈值.权重因子有效地控制了算法的收敛速度,提高算法的稳定性.阈值的引入使得算法效率更高,配准结果更加准确.通过Keren改进配准算法进行配准,再通过IBP算法对配准后图像序列进行超分辨率重建,仿真结果表明,基于Keren改进配准算法的IBP重建具有良好的超分辨率重建效果.     

基于改进FPFH-ICP的车载激光雷达点云配准方法

为了改善传统车载激光雷达点云配准方法准确度低、计算速度慢的问题，提出了一种基于快速点特征直方图（fast point feature histograms, FPFH）初始匹配与改进迭代最近点（iterative closestpoint,ICP）精确配准相结合的改进FPFH-ICP配准算法。配准前使用体素滤波器和statistical-outlier-removal滤波器进行预处理；采用FPFH提取点云特征，基于采样一致性（sample consensus initial alignment, SAC-IA）进行初始配准，为精确配准提供良好的位姿信息；建立K-D树并在传统ICP配准算法的基础上添加法向量阈值，对车载激光雷达点云数据进行精确配准；在4种不同场景的实验中，改进FPFH-ICP配准比ICP配准的均方根误差和配准用时分别平均减少了7.56%和41.22%，比点特征直方图（point feature histograms, PFH）配准的均方根误差和配准用时分别平均减少了30.28%和18.95%，表明改进的FPFH-ICP能够对车载激光雷达点云数据实现精确且高效的配准。     

基于ISS特征点的快速CPD建筑物点云配准算法

针对大规模建筑物点云数据采用CPD（coherent point drift）算法进行配准时,计算复杂度增大的问题,提出了一种基于建筑物点云特征点简化数据的快速配准ISS-CPD算法。该配准算法采用ISS(intrinsic shape signature)算法求得建筑物点云的特征点,可减少建筑物点云的数据量规模,再对所提取的不同视角下建筑物点云的特征点用CPD算法进行配准。实验结果表明,改进的配准算法提高了建筑物点云的配准效率。     

采用特征预处理ICP算法的机器人运动环境建图

针对机器人运动环境建图中迭代最近点(ICP)算法的扫描配准过程存在关联点对对应困难、迭代初值要求高的问题,首先,提出一种特征预处理的粗配准方法,以保证配准过程的迭代初值较小;然后,基于扫描点过滤思想对粗配准后存在较大误差的数据进行过滤,剔除测量噪声,提高点对关联准确率.结果表明:经过特征预处理的粗配准及噪声剔除后的改进ICP算法能够有效地进行扫描配准,解决机器人运动环境建图存在的问题.     

基于全相位频谱分析的图像配准

为了提高图像配准精度并简化算法,在研究传统频域配准方法的基础上,引入了全相位FFT谱分析,并将其推广到分析二维图像频谱．提出了基于全相位FFT谱分析的欠采样图像频域配准算法．配准实验结果表明,基于全相位频谱分析的图像配准精度高于传统频域配准方法,能基本实现空域配准精度,无噪声条件下对平移参数的估计精度高于空城方法．     

形貌约束的多视角点云分阶配准方法

为提高大数据量多视角点云的配准效率,提出一种基于多分辨率模型的多视角点云分阶配准方法。首先根据平坦形貌约束条件对点云进行递归分割,提取所得割集的核心点作为特征点构造多分辨率模型,然后采用迭代最近点算法基于该模型上层数据求解多视角点云的初始变换矩阵,将其作用于模型后逐级求解下层数据的变换矩阵,最终将复合变换矩阵同步作用于原多视角点云,实现原多视角点云的精确配准。实验结果表明,该分阶配准方法可有效缓解点云单一简化结果导致的配准精度与效率之间的矛盾,在显著降低点云规模的前提下实现原始点云精确配准;当点云规模达106级别时,与加权尺度迭代最近点(WSICP)算法相比,该方法的计算效率提高约2.5倍。     

一类非扩张型映射的不动点与变分包含问题的公共解

本文用一种新的迭代算法来逼近非扩张映射的不动点和变分包含问题的解,证明了建立的这一迭代系列强收敛到这两个问题的公共解.方法是新的,并推广了已有结果,简化了许多假设条件.     

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．     

基于有限内存Broyden-Fletcher-Goldfarb-Shanno优化算法的图像非刚性配准方法

图像配准可以分为刚性配准和非刚性配准两类,图像非刚性配准是图像处理研究的热点和难点,其中的参数模型往往转化为无约束优化问题的求解,当参数数目较大时求解比较费时,提高此类算法效率的关键之一是减少迭代算法中矩阵的计算量和存储量.本文研究了一种非刚性配准方法,该方法应用Basic样条自由变形模型,此模型改变控制点只影响其附近...     

点云初始配准的优化求解算法

针对基于对应点匹配的点云配准算法过于依赖点云初始位置并且配准效率较低的问题,提出一种基于序列图像运动法重建的点云初始配准算法。首先,根据透视投影原理对相机在点云局部坐标系中的位置进行定位,获取将点云变换到对应相机坐标系的变换矩阵;然后,以图像特征点及其对应的匹配点作为同名点,通过重建序列图像对相机外参数进行全局优化;最后,根据推导的初始配准公式快速实现点云初始配准。实例验证结果表明,该初始配准算法对点云的初始位置无严格要求,能以较小的计算量获取近似全局最优的点云初始配准结果;将初始配准参数作为迭代最近点算法的初始值,可有效提高迭代最近点算法配准的稳健性,计算效率提高了30%以上。     

一种确定IFSP中迭代次数下限的算法

提出了一种求解带概率的迭代函数系统（IFSP）中迭代次数下限的自动算法,该算法基于一个基本假定,从给定的多个压缩仿射变换矩阵的谱半径入手,先分别求出每一个压缩仿射变换收敛到其对应的不动点时的迭代次数,然后根据每一个压缩仿射变换使用的概率即可计算出IFSP中迭代次数的下限．理论分析和实验计算结果表明,提出的算法能有效地确定IFSP中迭代次数的下限,且在保证分形图质量的同时避免了不必要的计算开销,为快速生成高质量的分形图提供了一种有效的方法．     

一种医学图像弹性配准方法

针对肝脏和肺部器官在图像配准中特征获取准确度有限性,本文提出了一种机器和人工结合提取特征点的医学图像非刚性配准方法。依据器官中血管形状形成的树状图,使用联合图算法对树状图初步配准后自动提取出特征点,与手工选择的具有解剖意义的点共同构成特征点集。以两幅图像间的互信息作为图像配准测度函数。以确定性退火算法迭代求解最优化配准变换函数。实验证明,该算法能匹配图像的整体结构信息和图像中感兴趣的生理解剖位置,具有很强的鲁棒性。     

基于混合算法的点云配准方法研究

为解决ICP( Iterative Closest Point) 算法对初始点云位置要求高且易陷入局部最优的问题,提出一种新的配准方法。首先遵从优势互补基本思想,结合将人工萤火虫算法和粒子群算法生成自适应人工萤火虫-粒子群算法( AAGPSO: Adaptive Artificial Glowworm-Particle Swarm Optimization) ,以使算法的收敛速度变快,解的精度得到提高; 其次优化迭代最近点算法( ICP) ,将已改进的AAGPSO 算法引入ICP 配准算法中进行点云配准,解决ICP 算法因点云的初始位置相差较大而陷入局部最优问题,加快整体的配准效率。通过实验对比原始ICP 配准方法和改进的配准方法并对其进行误差分析,结果验证了AAGPSO 算法在传统ICP 算法的基础上提高了配准精度,并且加快了算法收敛速度,改进的配准方法具有明显优越性。     

考虑噪声干扰的医学图像点对配准算法及其误差预测

提出了考虑噪声干扰的医学图像点对配准问题的最大似然估计算法以及目标配准误差（TRE）的预测方法.对定义在Mahalanobis距离空间的绝对定向问题（AOP）进行迭代求解，使其结果收敛于最大似然解；应用误差传递理论计算配准结果的方差，通过方差传递公式计算TRE的数学期望，并用于评价配准结果和优化基准点的空间配置.数值模拟实验结果表明，与AOP的封闭解法相比，所提出算法的估计结果的精度较高，其对TRE预测的相对误差小于2%，对配准结果标准差预测的相对误差小于4%.     

基于改进ICP算法的三维点云刚体配准方法

针对含有噪声和外点的三维点云刚体配准问题,由于迭代最近点(iterative closest point, ICP)算法的配准精度较低,为此,该文提出了一种基于改进ICP算法的三维点云刚体配准方法。考虑到伪Huber损失函数对噪声和外点不敏感、鲁棒性强,首先,建立了基于伪Huber损失函数的三维点云刚体配准模型。其次,利用RGB-D点云数据中颜色信息辅助建立点云对应关系,以提高改进ICP算法中对应点匹配的准确性。最后,结合奇异值分解(singular value decomposition, SVD)和Levenberg-Marquardt(LM)的优化算法对三维点云刚体配准模型进行优化求解。实验结果表明,该文所提三维点云刚体配准方法的配准精度高,能够有效抑制噪声和外点对配准精度的影响。     

基于特征线提取的三维数据配准

在逆向工程等诸多领域,数据配准都是重要的技术环节;而目前大多数应用,都是基于选取匹配标记点的方式来实现初始匹配;因此寻找一种可靠快速的自动数据配准技术成了目前研究的方向.提出一种基于特征线提取三维数据自动配准技术.通过提取不同视角下点云的特征曲线实现了三维点云数据的配准.实验结果表明了算法的有效性.在有更高精度要求的情况下,此算法的输出结果可以作为其他迭代方法的初值,进一步迭代得到更精确的结果.     

基于一阶展开多项式快速趋近的非线性ICP配准理论模型

针对传统离散点云ICP配准算法迭代次数多、收敛慢等特点, 提出以3D点集间共轭点欧氏距离之和最小为理论基础的非线性最小二乘配准数学模型。通过对真实激光雷达扫描点云进行配准对比实验, 表明在初值条件相同情况下, 所提出的非线性ICP配准模型不仅能与传统ICP配准达到同样的配准精度, 而且能在6~7次左右达到快速迭代收敛, 是实现传统ICP配准模型的一种新途径。     

基于一阶展开多项式快速趋近的非线性ICP配准理论模型

针对传统离散点云ICP配准算法迭代次数多、收敛慢等特点,提出以3D点集间共轭点欧氏距离之和最小为理论基础的非线性最小二乘配准数学模型。通过对真实激光雷达扫描点云进行配准对比实验,表明在初值条件相同情况下,所提出的非线性ICP配准模型不仅能与传统ICP配准达到同样的配准精度,而且能在6~7次左右达到快速迭代收敛,是实现传统ICP配准模型的一种新途径。