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。     

基于模板匹配的图像配准算法

在研究传统图像匹配方法和分色理论的基础上，提出了基于模板匹配的图像配准算法．在将标准图像和待测图像分别分色的基础上，采用序贯相似性检测算法对各色灰度图像分别进行模板匹配，并根据匹配数据，对图像进行平移、缩放及旋转操作，使两幅图像能够在空间上配准．实验表明，算法的效率和精度与采集设备的分辨率、模板选取以及匹配区域大小等因素有关，与传统图像配准算法相比，效率和精度分别提高了30％和35％以上，不仅满足了彩色精密印刷品质量检测的要求，而且还可应用于其他图像快速配准的过程中．     

基于ASIFT的医学图像配准算法

对ASIFT算法的原理进行了分析,针对医学图像配准鲁棒性强、准确性高和低耗时率的要求,设计出基于ASIFT的医学图像配准算法。该算法首先通过ASIFT算法提取图像特征点,接着用欧式距离筛选出匹配的特征点,最后实现参考图像与浮动图像之间的配准。该算法较好地解决了其他同类型算法中存在的提取的特征点数量少、特征点匹配的精确度不高、不能对扭曲变形的仿射图像配准等问题。实验结果表明,该算法不仅提高了配准的精确度和准确性,也提高了配准的稳定性和可靠性。     

结合图像信息和几何关系的配准算法

对图像配准中的特征点检测方法和描述方法进行了研究,提出了一种快速准确的图像配准算法.使用尺度空间理论进行特征点的检测,通过两种不同的特征点描述子对特征点进行描述:一种是基于图像信息的描述子,该描述子使用尺度空间理论上的尺度不变Harris算子的自相关矩阵来描述特征点;第二种是基于空间上的几何关系的描述子,提出了一种融合局部结构特征和全局信息的描述子.在图像配准的目标函数里,将特征点匹配矩阵和图像变换矩阵分解,分别使用两种不同的描述子对二者进行迭代求解.该算法结合了两种特征点描述方法的优点,实验结果表明该方法快速、准确,具有配准精度高和计算时间短的优点.     

基于SAR-SIFT和快速稀疏编码的合成孔径雷达图像配准

SAR-SIFT(Synthetic Aperture Radar-Scale-Invariant Feature Transform)特征是一种类SIFT特征,为了较好的适应SAR图像的特点,SAR-SIFT在SIFT的基础上针对SAR图像的统计特性改进了局部描述子的提取方式。SAR-SIFT相比SIFT具有更好的抗噪性能,然而在强噪声下仍然会提取许多异常点。为了解决强噪声情况下SAR图像的特征点提取及匹配问题,在SAR-SIFT基础上,首先提出了一种新的梯度计算方法,它的大小和方向对散斑噪声都具有很强的鲁棒性,使得对SAR图像进行特征点检测与特征描述提取时具有一定的抗噪性能。其次,使用快速稀疏编码方法对提取到的特征点进行稀疏表示,利用稀疏表示的聚类效果和更好的信号表达能力来减少噪声对特征点提取的影响,从而达到减少异常点的目的。最后通过NNDR(Nearest Neighbor Distance Ratio)和RANSAC(Random Sample Consensus)来完成特征点的匹配以及参数的估计。实验结果表明,利用本文方法能显著减少强噪声SAR图像所提取特征点中的异常点数量并提高匹配精度。     

基于GPU的弹性图像配准方法

通常的弹性配准技术因其计算强度大,消耗时间长,难以满足实时应用的要求．新一代图形处理器（GPU）以其用户友好的可编程性和出色的并行计算能力,为解决该问题提供了新的途径．根据GPU的自身特点,以薄板样奈插值作为变换模型,构建了弹性配准计算平台．对二维单模态和多模态的两组图像进行实验,结果表明,相比于CPU,利用GPU可以更为迅速地获得变换参数,对于大尺寸、高分辨率或者多局部形变的图像,GPU的处理速度超出CPU 1个数量级以上．     

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.     

图像配准与角点提取算法研究

在图像配准的方法中,基于图像特征点的配准方法应用较为广泛,而在图像特征点的配准方法中又以基于角点检测的方法最受关注。通过对角点检测方法的理论研究与探讨,分析了几种提取算法,从匹配正确率和抗噪声效果等方面对这几种算法进行比较,最后给出室内外图像角点检测结果图。     

基于灰度值相应概率的非刚性图像配准

提出了一种基于灰度值相应概率的,对多模态非刚性医学图像进行全局弹性配准的快速算法．通过两幅图像重叠部分的２Ｄ灰度联合直方图,计算灰度值相应概率（ＧＶＣＰ）,使用遗传算法最优化ＧＶＣＰ实现两幅图像之间平移和旋转的全局刚体配准．将两幅图像的重叠部分均匀地划分成互为重叠的体积子块,再最大化每对对应体积子块图像灰度之间的ＧＶＣＰ,实现每对对应子块之间平移的局部刚体配准,并将每子块的中心作为一一对应的控制点．利用这些均匀分布的控制点对结合薄平板样条插值法实现图像的全局非刚性弹性配准．     

基于改进蜘蛛网局部图像特征的图像配准算法

为了解决传统基于特征描述匹配算法鲁棒性和精度较差的问题,提出一种基于改进的蜘蛛网局部图像特征(Spider Local Image Feature,SLIF)描述子的图像配准算法.该算法对SLIF描述子进行改进,将特征点采样模型范围内的方形、径向、环形邻域像素信息纳入描述范围,增强SLIF描述子空域描述能力.此外,还对...     

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.提出一种基于超级点+超级匹配(Superpoint+Superglue,2S)复合型网络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3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:(0.006 7,0.006 1)、(0.001 0,0.000 8)、(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4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:(0.240 2,0.262 5)、(0.193 9,0.172 2)、(0.263 0,0.264 4),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,可以较好地完成配准任务.     

平网印花机对花检测系统图像处理算法的研究

探讨平网印花机生产过程中对花误差的快速检测问题,设计了基于TI公司DM642 DSP的自动对花检测系统图像处理算法.经与本课题开发的专用图像处理控制板配合运行验证,算法简单、程序运行效率高、快速稳定,达到了实时对花检测的效果.     

基于序贯相似度的AGV图像配准方法

在视觉引导AGV技术中,符号识别是关键。为实现AGV对地面符号快速、准确的识别,当AGV视觉系统获得的地面符号图像时,首先利用统计特征区域的黑点数来筛选模板,然后采用基于模板匹配的图像配准算法对筛选后的模板进行匹配,完成识别。经过仿真实验证明,该算法的匹配率普遍达到90%以上,基本满足了AGV模板识别、定位的需要,并且计算量较小、计算时间较短。     

基于一致性随机采样的图像特征匹配鲁棒确认

误匹配点的存在影响了计算图像问变换关系的准确性,从而导致较差的图像匹配效果.通过随机采样一致性算法,提出了一种剔除错误匹配,精确确认图像匹配特征,从而计算图像间几何变换矩阵的鲁棒方法.该方法首先基于特征向量相似性准则,得到初始匹配点对,再利用特征点周围的灰度信息进行权值计算,在用随机采样一致性算法拟合几何变换矩阵的迭代过程中,得到使目标函数最小的匹配关系以筛选由噪声等引起的误匹配点对,从而精确计算图像间的几何变换关系矩阵,实现图像的精确配准.实验结果表明,该算法具有良好的噪声鲁棒性,得到了理想的图像配准效果.     

数字水印检测中剪裁图像的配准

围绕剪裁图像中数字水印的检测问题讨论剪裁参数的估计,利用离散Fourier变换的旋转不变性,通过对边缘图像DET沿不同方向的积分并采用差分相关技术,可准确估计剪裁图像的倾斜角,二维相关运算则给出剪裁图像在原图像中所处位置,从而将图像配准,实现可靠的水印检测。     

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％。     

基于区域特征的光学图像与SAR图像配准算法

图像配准是进行图像融合、变化检测等图像处理应用的前处理步骤,其配准效果将直接影响到后续图像处理工作的质量．针对光学图像与SAR图像成像特性差异,提出了一种基于区域特征的配准算法,通过实验结果证明了本算法的有效性．     

真彩色图像快速镶嵌的算法实现

对多幅具有重叠区域的图像按照特征匹配原理，通过选取图像配准区域，极大地缩短了图像匹配的时间，并很好的兼顾了图像的几何精度来实现图像镶嵌。镶嵌过程中，对相邻图像色调差异也做了详细分析。     

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。