基于非线性多重网格的TVp配准

设计了一种简化的p函数以简化TVp配准模型,以滞后不动点迭代和Gauss-Seidel松弛迭代相结合构造光滑化方法,给出了一种有效的非线性多重网格（NMG）算法．数值实验表明该算法与不动点迭代方法（FP）相比具有更好的配准速度和配准精度．     

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.     

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.     

带遗忘因子的PD型迭代学习控制算法研究

摆脱传统遗忘因子迭代学习控制算法的算子估计证明方法,提出了遗忘因子是关于迭代次数的函数,简化了收敛条件,并给出收敛性证明和仿真实例.仿真结果表明,在本文改进的收敛条件之下,带遗忘因子的PD型迭代学习控制算法具有有效性,相比于通常算法,遗忘因子算法得到的误差跟踪曲线更平滑,在迭代误差跟踪方面具有一定的优越性.     

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。     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中,由于敏感度编码(SENSE)重建过程的病态性,当加速因子增大时,其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型,引入一种高效快速的分裂Bregman迭代算法来得到优化解,进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明,与传统TV正则化SENSE重建相比,此算法不但迭代次数少、收敛速度快,而且能够有效消除混叠伪影,提高图像信噪比并减小归一化均方误差.     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中，由于敏感度编码(SENSE)重建过程的病态性，当加速因子增大时，其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型，引入一种高效快速的分裂Bregman迭代算法来得到优化解，进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明，与传统TV正则化SENSE重建相比，此算法不但迭代次数少、收敛速度快，而且能够有效消除混叠伪影，提高图像信噪比并减小归一化均方误差.     

基于Keren配准和插值的快速超分辨率图像重建

为提高图像超分辨率重建技术实时应用的可能性,增强其对配准误差的容忍度,提出了一种基于Keren配准和插值的快速鲁棒超分辨率图像重建算法.该算法将配准后的低分辨率图像根据变换参数映射到高分辨率网格上,再利用模板卷积迭代地填充缺失像素值,从而重建一幅高分辨率图像.将文中算法与非均匀插值法、凸集映射法、鲁棒的迭代后向映射法和...     

基于ICP算法的脊椎手术导航配准技术

针对计算机辅助脊椎手术三维导航技术中术前CT图像与术中实际对象的配准问题,提出一种基于Visualization Toolkit(VTK)的在三维可视化平台环境下通过电磁定位系统进行配准的两步配准策略:首先,在虚拟空间和实际空间中的脊椎骨表面取几个特征点,进行粗配准;然后,在实际空间利用电磁定位探针在脊椎骨表面取点,并从虚拟空间提取对应的脊椎骨表面点;最后通过ICP(最近点迭代)算法进行精细配准.同时对ICP算法进行了模拟验证和精度分析,以脊柱模型骨为对象进行了脊柱手术导航配准精度实验,并进行了误差分析.结果表明这种配准方法简单可靠,在模型骨情况下最后的配准精度可达到临床手术的要求.     

基于改进蝙蝠算法的甲状腺SPECT-B超图像配准

为了提高甲状腺肿瘤检出的准确率.提出基于改进蝙蝠算法的甲状腺SPECT (single-photo emission computed tomogropby)-B超图像配准方法.针对甲状腺SPECT图像与B超图像灰度差异大,采用2类图像共有的甲状腺及肿瘤轮廓特征进行配准.采用阈值分割法提取SPECT图像中甲状腺及肿瘤轮廓;采用Shearlet变换与基于活动轮廓模型图割算法相结合的方法提取B超图像中甲状腺及肿瘤轮廓;以归一化互信息为相似性测度,以改进的蝙蝠算法为优化算法,优化配准所需的空间变换参数.实验结果表明,提取的B超图像中甲状腺及肿瘤轮廓更准确,改进的蝙蝠算法使配准具有更高的准确性和较好的鲁棒性.     

改进迭代最近点算法支持下的LiDAR点云与正射影像粗-精配准方法

针对直接迭代最近点算法(Iterative Closest Point,ICP)算法难以满足无人机LiDAR点云与正射影像高精度高效配准等问题,提出基于改进ICP的LiDAR点云与正射影像配准方法,为遥感地物目标解译提供丰富的空间信息和语义信息。首先采用体素滤波算法消除原始点云数据冗余;然后,利用主成分分析算法(Principal Component Analysis,PCA)对点云进行粗配准和计算刚体变换参数初始值,最后使用ICP算法实现LiDAR点云与正射影像精配准。实验结果表明,基于改进ICP的配准方法能够实现复杂地物分布、地物遮挡等情况下点云与影像快速、高精度地配准和点云纹理精准着色,相比原始ICP算法精度和效率分别提高了约1.8倍和3倍。     

基于偏微分方程的图像修复算法

针对TV模型修复算法只沿梯度垂直方向扩散,容易在平滑区域引入阶梯效应,迭代效率低,易产生假边缘的缺点,分析比较了TV图像修复模型的性能,提出了一种改进的图像修复算法。该算法同时结合了各向同性和各向异性扩散,利用区域频率差异实现了在不同的区域使用不同的迭代方程,有效避免了原始算法引入的阶梯效应,提高了迭代效率。实验结果表明,该算法与TV模型算法相比,在具有同样修复效果的前提下,避免了阶梯效应并优于TV模型的修复速度。     

空间点集配准算法研究

研究不同坐标系下空间点集的配准算法.所提出的算法分为粗配准和精配准两个阶段.粗配准是利用主成分分析方法对每个点集计算其3个主轴.然后通过空间变换将两个点集的主轴一一对应,使得两个点集大致对齐.精配准利用改进后的最近点迭代方法对两个点集进行局部优化,最终达到初始方向相差较大的两组点集在同一坐标系下的精确配准.模型实验验证了该方法的有效性和精度.实验结果表明,算法通过粗配准有效地将两组点集的主轴对齐,同时,精配准对粗配准的结果进一步优化,使得初始方向相差较大的点集间实现精确配准,提高了配准的精度.     

磁共振弥散加权成像涡流失真系统性矫正算法研究

针对基于EPI扫描序列的弥散加权成像技术中存在的涡流失真现象,给出一种基于图像配准的系统性失真矫正方法.矫正过程以非弥散加权图像为参考图像,利用二值蒙版分割图像消除高b值图像脑脊液区域对比度差异影响,在迭代互相关ICC算法基础上结合相邻层的变形参数进行平滑得到系统性配准参数.比较实验表明,结合相邻层信息能减少两两配准带来的矫正误差,得到更好的矫正效果.     

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。     

基于自由曲面的点云配准算法

为了提高自由曲面工件的配准效率,提出了一种基于共面4点集的RANSAC初始配准算法和改进的迭代最近点(ICP)精确配准算法相结合的2步配准方法.首先,在基于RANSAC算法的机制上,通过点间距离和比例关系寻找2片点云的共面4点集,利用共面4点集这一不变量来约束RANSAC算法提取的样本,使点云经过初始配准后得到一个较好的初始位置;然后在基于原始ICP算法的基础上作出相应的改进,对点云初配结果进行优化,使得点云之间的配准误差达到最小,以实现点云的精确配准;最后,对2组简单工件的CAD曲面点云模型进行配准仿真.结果表明:该算法相对于传统ICP算法运行时间减少48%,精度提高56%,能够满足配准要求.     

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。     

基于粒子群优化算法的散乱点云数据配准

针对目前散乱点云数据配准算法在精度、速度和优化等方面存在的问题,提出一种基于粒子群优化算法的点云数据配准算法.该算法首先根据数据点之间曲率的相似度函数,采用粒子群优化算法在两组点云数据中搜索可以匹配的点对集合,然后用最近点迭代算法进行二次配准,实现了两组散乱点云数据的精确配准.对比实验表明,该算法配准速度快,效果好.     

点云数据的自动配准算法研究

针对传统ICP(Iterative Closest Points)配准算法计算量大、收敛速度慢且要求待配准的两片点云数据重合程度较高的问题提出了一种改进方法:首先基于均匀采样法精简点云数据;其次采用Kd-Tree算法查找最近点并基于距离阈值剔除错误匹配点;接着优化目标误差函数,计算点到切平面的距离;最后采用多角度的全局配准方法将两片重合程度最小的点云较好地配准在一起.通过对比实验,验证了本文的改进型ICP算法在运行时间和配准精度上都对传统的ICP算法做出了较大改进,取得了较好的配准效果.     

面向三维人体重建的前、后片配准算法

针对传统三维图像配准算法需要获取目标物体多个模型数据的不便,以及三维重建过程耗时较长的不足,提出了一种基于三维人体表面前、后片模型的配准算法.该算法首先使用Kinect三维扫描设备获取的人体表面前、后片模型点云数据,作为配准过程的参考点集和目标点集;然后,选取前、后片模型的边缘轮廓信息作为配准特征点,通过迭代优化过程,使得前、后片能够较好地配准;最后,通过空间曲线插值方法填充模型边缘缝隙,得到完整的三维人体模型.试验结果表明,该算法只需要获取目标物体的前、后片三维数据,模型采集及配准效率高,配准精度好,即使针对初始位置相差较大的两个模型片也能得到准确的配准效果.