基于点集与互信息的肺部CT图像三维弹性配准算法

针对基于互信息的肺部CT图像三维弹性配准算法精度低、耗时多的问题,提出了一种基于混合配准框架的配准算法.该方法将点集与互信息相结合,先采用点集配准算法获得点集位移向量,再求出变换函数,最后以基于互信息的方法进行细化配准.采用4组三维肺部CT图像,以标志点距离误差来验证算法精度.试验结果表明,所提方法能够快速精确地完成三维肺部CT图像弹性配准;相对于仅基于互信息的配准算法,耗时平均减少70%,配准精度平均提高5%.该方法可以用于4D肺CT图像的快速配准.     

基于ROI模板的印刷品图像配准方法

针对印刷品质量检测中图像配准问题,提出了一种基于ROI(region of interest)模板的印刷图像配准算法.该方法以Canny算子获取的图像梯度向量为基础,定义相似性度量,同时结合阈值终止条件和矩阵搜索策略提高算法效率,并利用最小二乘法调整配准参数,最终实现彩色印刷图像高效配准.试验结果表明,相对于传统的图像配准算法,该方法配准精度高、速度快,而且鲁棒性强,能够为印刷品质量检测提供一种高效的图像配准算法.     

一种利用互信息的多核并行医学图像配准算法

分析了利用互信息作为相似性测度进行医学图像配准的算法,给出了具体计算流程.针对其中互信息计算量大、耗时长的缺点,提出了一种运行于单机多核平台的快速并行配准算法.利用OpenMP(open multi-processing)构建了一个图像匹配的多核并行计算平台,并对配准程序中的互信息计算进行并行处理,最后完成配准.通过对图像匹配算法效率进行的评估实验,验证了多核并行计算技术能够提高医学图像配准的运行效率.结果表明,该方法既保证了配准精度,又能够较好解决配准速度慢的问题.     

基于深度神经网络的配资网站识别研究

随着互联网金融的迅速发展,配资类网站给人们的财产安全造成的威胁日趋严重.而传统的恶意网站识别技术只适用于部分特征显著的网站识别,导致对配资网站的识别效果不佳.本文从多个维度选取特征,将识别特征归纳为域名特征、搜索引擎收录特征、标签特征、图片特征和文本特征等五大类,较好地体现了配资网站与其他类别网站的本质不同,并结合深度神经网络,建立配资网站识别模型.为验证该模型的有效性,论文设计了深度神经网络模型与决策树算法、支持向量机算法、K-邻近算法的对比实验.从实验中发现,基于深度神经网络的配资网站识别模型提高了配资网站的识别准确率,模型准确率达到95.9%,精确率达到98.7%,各类评估指标效果均优于传统的机器学习算法.实验结果表明,该方法能有效地识别配资网站.     

一种用于多模态心脏图像配准的统计形状模型构建方法

统计形状模型构建的关键在于训练集样本形状的构造和形状特征点的自动提取.针对多模态心脏图像的配准问题,提出了一种统计形状模型的构建方法.模型的构建过程主要通过图谱标签图像训练集的建立、模板标签图像形状特征点的提取和模板形状到待标记图谱形状特征点的自动传递来完成.并在此构建方法的基础上,建立左心室统计形状模型引导多模态图像配准过程.为评估构建方法的有效性,使用心脏CT和MR图像数据集进行多模态配准实验验证.结果表明,基于统计形状模型约束的方法较仅靠互信息的方法在配准精度上有明显提高.     

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.     

基于结构图像表示和微分同胚Demons算法的多模态医学图像配准

为了提高多模态医学图像的配准精度,利用参考图像和浮动图像的结构信息,提出了一种基于结构图像表示和微分同胚Demons算法的多模态医学图像配准算法.该算法由结构图像表示和图像配准组成.在结构图像表示阶段,采用Arimoto熵图像来描述参考图像和浮动图像的结构信息,首先计算2幅图像中所有像素点周围指定大小邻域的熵值,然后把计算的熵值作为熵图像中对应点的灰度值以生成2幅熵图像.在图像配准阶段,使用微分同胚Demons配准算法对2幅熵图像进行配准.基于Brainweb数据库中磁共振数据的测试结果表明:与微分同胚Demons算法和基于香农熵的Demons算法相比,利用Arimoto熵表示图像的结构信息可以进一步提高配准精度.     

指纹与指静脉的特征层动态加权融合识别

结合指纹与指静脉两种生物特征的优点进行多模态特征识别,提出一种特征层动态加权融合匹配算法。在图像预处理的基础上分别提取两模式源的有效特征矢量,根据近邻消除和特殊区域保留原则对特征矢量进行降维;从待识别特征角度对特征点集的相对质量进行评价,根据对双模态特征优和差的分类引入动态加权策略,提高质量较好特征所占权重,削弱低质量及伪特征对识别结果的影响,实现了特征层特征自适应优化融合。在FVC2000公开指纹库和指静脉自建数据库上的测试取得了98.9%的识别率,较指纹、指静脉单模态识别分别提高了6.6%和9.6%,较匹配层加权平均融合识别提高了5.4%。     

基于样条小波和混合遗传算法的多源图像自动配准算法

为实现图像自动配准,需要确定初始变换参数,为此提出图像特征线和图像特征圆的概念,基于仿射变换模型,推导了确定图像自动配准初始参数的算法,并基于B样条小波和混合遗传算法求取最终的多源图像配准参数.实验结果表明,该算法可实现图像的自动配准,证明了该算法的有效性.     

一种基于SUSAN算子和相位相关实现图像配准的算法

提出了一种基于SUSAN算子检测角点,然后利用角点为中心的邻域的相位相关性实现图像配准的新算法,并在Matlab环境中模拟验证了该算法的有效性.实验表明,该算法配准精度高,对灰度变化和噪声具有鲁棒性.     

基于强角点的SAR图像自动配准

图像配准技术在合成孔径雷达图像处理中占据至关重要的位置。针对合成孔径雷达图像配准对时间和精度的需求,提出基于角点特征的配准算法。提取两幅图像的角点构造三角形,计算三角形的角度,寻找两幅图像对应的相似三角形,用三角形的顶点坐标求得仿射变换系数,参考图像进行仿射变换,与待配准图像比较相似性,最大相似性对应的变换图像为配准结果。引入用于视频追踪的强角点,对该算法进行验证。实验数据表明该算法的快速准确,并具有一定的抗噪性。     

基于局部熵的Active Demons多模医学图像配准

针对Active Demons算法只能配准同模态图像,并且图像的灰度梯度不太明显时形变方向无法确定从而导致误配准的问题,提出了一种基于局部熵改进的Active Demons多模医学图像配准算法.该算法首先将原图像转换为局部熵图像,然后使用改进的Active Demons算法进行配准,该算法在Active Demons分母上分别加入浮动图像与参考图像的灰度梯度值平方.正则化变换时以双边滤波器代替高斯滤波器,使得图像边缘的细节信息保持较好.多模态医学图像配准的实验结果说明该方法精确度高,使图像质量得以提升.     

2D-3D配准中的初始位姿估计方法

针对2D-3D医学图像配准过程中存在的初始参数变换范围小和配准对象单一等局限性,提出了一种基于参数映射和图像分割的初始位姿估计方法,扩大了三维物体空间参数的起始运动偏差范围,解决了骨科手术导航系统在配准过程中可估计参数少和多骨块图像配准难等问题.首先,使用区域生长算法对多骨块影像进行图像分割与感兴趣目标的提取,完成待配准目标数据的获取.其次,基于正交融合投影原理构建投影成像模型,将空间刚体变换参数分解到正侧位平面上,建立空间参数与平面参数间的映射关系.然后,将投影生成的正交双平面模板与对应目标图像进行匹配,并将得到的正侧位平面配准参数转换为空间参数,从而完成三维物体初始位姿的有效估计.最后基于颅骨、完整股骨和骨折股骨的CT数据对该方法进行验证,并与传统2D-3D图像配准方法进行对比研究.实验结果表明,所述方法可使5个空间参数的初始变换范围达到±30 mm或±20°,并且对在该范围内的不同研究对象都展现出良好的初始位姿估计效果.与传统图像配准方法相比,基于上述方法进行2D-3D迭代优化的整体配准时间平均缩短46.5%,单个平移参数配准精度最高提升69.2%,单个旋转参数配准精度最高提升9...     

数字化测量中的最佳配准问题

针对数字化测量中的最佳配准这一问题,提出了一种快速准确的配准方法.该方法首先建立配准教学模型,然后借鉴LM(Levenberg-Marquardt)算法与奇异值分解的优点,实现了测量数据与CAD模型之间的配准,最后为验证配准矩阵的有效性,提出了一种针对匹配结果的确定性分析方法.实验验证该配准方法能较好地实现测量数据与CAD模型间的配准,进而为后续的模型检测与模型评估奠定基础.     

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.     

基于卷积神经网络的卫星遥感图像拼接

针对传统算法不适用于外观发生较大变化的图像拼接问题, 提出一种基于卷积神经网络的遥感图像拼接方法, 通过深度学习使模型实现对遥感图像的配准和拼接. 通过两次实验将该算法与传统算法进行对比. 首先, 以欧氏距离作为评价指标, 分别通过两种算法在不同图像数据集上进行统计, 对它们的图像配准能力进行评估. 其次, 在真实的遥感图像拼接应用场景下对比两种算法实现的遥感图像拼接效果. 实验结果表明, 卷积神经网络模型对外观发生较大形变的图像具有更好的配准能力, 因此对于外观产生较大变化的遥感图像, 可采用该算法代替传统算法实现图像拼接, 得到更精确的全景图像.     

面向对象的多尺度图像配准算法

图像配准技术是各种图像处理中必不可少的重要环节.文章提出一种面向对象的多尺度图像配准算法,该算法将面向对象技术和区域增长分割法相结合,得到理想的特征点;然后利用最小绝对值误差法,并采用双向匹配策略对特征点逐一配对,形成GCP集;最后利用放射变换和双线性插值法完成图像的纠正得到最终的配准图像.利用ENVISAT图像和Landsat图像获取的苏州某区域的相关数据进行实验并做了详细的客观评价,证明该算法切实可行,获取到的配准图像清晰,精确度达97%以上.     

改进的人工鱼群算法和Powell法结合的医学图像配准

针对目前基于互信息图像配准的局部极值问题,提出了一种改进的人工鱼群算法和Powell算法结合的多分辨率医学图像配准算法.该算法采用新的相似性测度方法即归一化模糊加权互信息和归一化局部能量加权匹配度,利用多分辨率策略采用HPV插值,并采用改进的人工鱼群算法结合Powell算法完成医学图像的配准.采用改进的人工鱼群算法在图像的最低分辨率上进行全局优化,以全局最优值为初始值,结合Powell算法完成图像配准.这不仅基本解决了互信息函数和Powell算法的局部极值问题,还减少了数据的处理量,加快了配准速度.实验结果表明,文中算法与其他经典的配准算法相比,提高了配准的精确度和性能.     

改进的基于最大归一化互信息的医学图像配准算法

作者提出了一种基于最大归一化互信息的医学图像配准算法.该算法利用改进的部分体积插值法进行插值计算,有效地克服了图像配准中常见的局部极值问题.该算法利用最大互信息作为目标函数,POWELL优化搜索算法搜索一个最大互信息量从而获得最佳配准参数.实验证明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性.     

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%.