基于相关系数的快速图像匹配研究

针对传统图像相关匹配算法计算量较大的问题,研究图像库中相关图像搜索方法.提出一种改进的相关匹配算法,该方法通过对相关系数公式进行简化和迭代运算,减少了重复运算.通过设定参考图像与目标图像的相关系数阈值,只需计算方差相差较小的点的相关系数,提高了运算速度,计算时间减少到原来的14%,甚至更短.在文件夹的图像搜索中实现了图像的快速匹配.     

基于SIFT特征矢量图的快速图像拼接方法

为了减少图像拼接方法的计算复杂度,提出一种基于尺度不变特征变换(SIFT)特征矢量图的快速图像拼接方法.该方法首先结合相位相关算法,确定待拼接图像的重叠区域,限定SIFT特征点检测范围;然后考虑特征点的空间位置信息,构建SIFT特征矢量图像,以便在特征匹配时限制匹配点的搜索范围,快速获得匹配点对.实验结果表明,该方法减少了大量的不必要搜索,提高了图像拼接速度.     

用于精确定位的最佳匹配区选择分形法

图像中任意点局部邻域的分形维数越大,该领域图像数据的相关性越小,相关匹配搜索时定位该区域就越容易。由此提出了利用分形维数作为分离参数,在基准地图上选择最佳匹配区的方法。用相关法对选出的最匹配区验证表明,分形方法比传统的相关方法在选择最佳匹配区时,定位精度更高,计算更快。     

多模态图像匹配的FFT梯度相关算法

多模态图像匹配是各领域图像匹配研究中的一个热点和难点问题,特征的可重现探测和非线性优化搜索,分别是基于特征和基于区域的多模态图像匹配的瓶颈问题.将灰度图像转换为复数域的梯度图像,提出以复数平方图像实现的2倍梯度差角余弦作为相似性测度,提出FFT梯度相关算法,实现了多模态图像局部匹域的快速匹配,通过红外与可见光图像的匹配实验,验证了算法的有效性.     

SAR图像与光学图像多子区鲁棒匹配算法

提出了一种新的低空机载合成孔径雷达(SAR)图像与卫星光学图像的多子区匹配算法.算法中,依据SAR图像噪声特性,提出了用于SAR图像边缘提取的基于小波包变换的改进断面检测法.匹配中将低空SAR图像分为多个子区,利用子区影像频谱直方图等特性参量判别其可匹配性,并用各子区位置分布关系约束匹配结果.匹配搜索策略为基于提升小波的金字塔分层搜索.用低空SAR图像与SPOT-5卫星光学基准图进行了实验,结果表明该方法的有效性.     

基于小波变换的遥感图像快速拼接方法

基于图像小波变换与低频区域特征匹配的拼接方法,实现无人机序列遥感图像的快速动态拼接.根据无人机遥感图像成像的内、外方位元素,采用直角空间变换及二次线性插补方法,实现了遥感图像校正.小波变换提取低频图像,在此图像区域中搜索和提取特征模板,然后利用序贯相似性检测法进行匹配计算.根据匹配结果,实现两幅图像的拼接.仿真实验结果表明,所提出的拼接方法具有较好的实时性和拼接精度.     

一种图像拼接的点特征匹配算法

为了解决旋转图像间的点特征匹配问题,提出了一种以空间位置分布关系为搜索依据的新的匹配算法.首先将已检测到的特征点生成三角形,随后利用相似三角形配对获取图像间的仿射变换关系,并根据这种空间位置分布关系进行进一步的对应点搜索,最后利用MLESAC算法进行对应点筛选,得到内点以及外点.用活动摄像机采集图像进行实验,首先验证了对于旋转图像点特征搜索的有效性,接下来又验证了图像间是平移关系但存在重影的点特征搜索,结果表明该方法能有效地对旋转和平移图像进行点特征匹配.     

岩土材料CT图像的数字图像相关法

为探索实现数字图像相关法对岩土材料CT图像的分析计算,借助可进行原位单轴压缩的CT扫描实验系统,实时记录了石膏试样在不同应力水平下的CT图像,比较了采用不同相关系数、不同子区大小进行图像相关计算时的搜索匹配精度.针对子区线性小变形特点,利用最小二乘拟合得到位移场表达式,求导得到应变场,提高了应变计算的精度.分析结果反映了岩土材料内部非均匀变形的特征,揭示了单轴压缩下张拉破坏的特征.研究结果表明:采用数字图像相关法可以利用岩土材料CT图像求得其内部变形场.研究结论为提高求解效率和精度提供了参考.     

大变形测量数字图像的种子点匹配方法

针对数字图像相关方法中的大变形测量难题,提出了一种数字图像的种子点匹配方法.对于连续变形的图像系列,将图像子区划分后,选取其中任一子区作为种子点并进行相关匹配,根据相邻状态变形的连续性,提出了一种改进的整像素搜索方法,可保证种子点在大变形情况下仍能匹配成功.当种子点匹配完成后,根据同一状态相邻点变形的连续性,利用种子点的相关参数计算其4个邻近点的相关参数初值并完成匹配,按照同样的方法依次向外扩散,直至所有的点匹配完成.通过刚体旋转和单向拉伸实验表明,对于40°旋转图像的位移场以及高达113%的钢试件大变形,测量结果良好,具有较高的精度,证明了该方法的有效性.     

基于形状匹配的快速图像配准

为了发挥基于特征的图像配准方法和基于像素的配准方法的优点,提出了一种将特征匹配和最大互信息法相结合的配准方案：先提取参考图像和浮动图像中的目标形状进行匹配,利用匹配结果求出互信息搜索算法的初始值再进行搜索．实验表明,该方法计算量小、速度快且精度高,可避免参数搜索陷于局部极值,有效地提高了配准的速度和精度．     

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％。     

基于CSIFT算法的UAV影像配准技术研究

无人机(Unmanned Aerial Vehicle,UAV)影像配准作为无人机数据处理的必要环节,一直是业界研究的关键技术.在传统配准中,由于只对灰度影像进行处理难免会产生特征混淆、误匹配等问题.本文分析了UAV影像的成像特点,采用CSIFT(Colored scale invariant feature transform)算法对UAV影像进行配准处理,并结合分块策略对配准结果进行优化.实验证明,CSIFT算法比传统SIFT(Scale invariant feature transform)算法在提取困难特征点时有非常明显的优势,尤其是在影像有较大倾角或较多水体等情况下,可以有效提高UAV影像配准效率.     

一种新的特征相关算法

通过对特征相关算法的分析，在保持其固有特性的基础上，给出了简化算法，使算法的运算量大大降低，同时采用ＴＭＳ３２０Ｃ４０－４０高速数字信号处理芯片构成一数字图象信号处理器，并以此为运算平台，实现了简化后的特征相关算法，最后通过实验验证了特征法的抗照度变化特性。     

基于混合优化算法的医学图像配准技术

在图像配准的优化算法中, 为避免使算法陷入局部最优的问题。 因此, 提出基于最大互信息和混合优化算法的医学图像配准算法, 利用模拟退火算法思想改进粒子群优化算法, 提高了全局寻优的能力, 能更好地跳出局部最优。 由实验结果可知, 该方法不仅具有较好的图像配准精度, 对椒盐噪声和高斯噪声也有较好的鲁棒性。     

基于统计滤波和稀疏度优化的印花配准算法

在数码印花技术上,传统全局印花图案配准方法在精度和效率上无法满足需求,局部印花图案配准方法存在配准误差较多导致匹配误差大的问题,还存在图像变形控制点过多导致算法效率低等问题.该文提出了一种新的局部印花图案配准方法.该方法基于统计滤波优化配准算法,减少FLANN匹配点中的误差点;并在分析图像变形中冗余控制点特性的基础上,...     

改进极坐标的频域图像配准算法

针对传统极坐标变换在频域配准中的问题,提出了一种基于改进极坐标的频域配准算法。先对参考图像和待配准图像分别进行傅立叶变换,将频谱信息映射至改进极坐标下。依次沿角度和极径方向投影,计算出图像间的旋转、缩放参数;再对待配准图像进行相应地旋转、缩放校正,根据幅度加权的相位差进一步得到图像间的平移量。当耗费的计算量大致相当时,与基于传统极坐标或伪极坐标变换的频域配准算法相比较,文中算法获得更高的图像配准精度。     

弹性的二维医学图像配准算法

提出了一个弹性二维医学图像配准算法,该算法将基于像素浓度值配准算法和基于特征点的配准算法相结合,采用自动的特征点定位算法,使用薄板样条算法来提高配准的精度,从而可以对二维医学图像进行自动、准确的配准。首先,用基于像素浓度值的全局仿射配准实现对鲁棒配准的初始估计;然后,通过使用基于特征点的迭代配准算法,使得全局仿射配准结果在第2步配准算法中得到进一步的细化而使其配准结果具有更高的准确性。对二维PHANTOM图像的实验结果表明,该算法具有鲁棒性。     

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。     

基于粒子群优化算法的多模态医学图像刚性配准

提出了一种基于轮廓特征点及利用PSO(粒子群优化)求解多模态医学图像自动配准新方法．首先采用数学形态学中腐蚀和膨胀算法对图像进行预处理,用区域生长法提取图像的边缘;再用subtractive聚类算法提取出轮廓特征点,将两个特征点集的均方根极小值作为配准准则,然后用PSO算法求解空间变换参数．该算法适用于多模态医学图像配准,与其他算法相比,PSO算法具有操作方便、可靠性好、不易陷入局部极值等优点。