基于边缘配准的印鉴自动鉴别方法

从图像处理和分析的角度出发,提出基于边缘配准的鉴别方法。该配准算法基于图像几何形状和统计特征,由快速形状检测算法和投影算法组成。     

基于标记点的图像配准

针对图像在采集过程中会受到物体表面反射及噪声等影响所造成的图像特征提取效果不佳及用整幅图像的像素点进行计算导致的运算量大、精度低等问题,提出了一种基于标记点的配准方法.该方法利用链码的概念,首先对图像进行预处理,提取出标记点质心坐标并根据提取出的质心坐标形成链码;其次,将质心链码做一阶差分形成差分链码,通过差分链码的旋转和平移的不变性得到配准点对对链码进行配准;最后,通过点对坐标计算旋转角度和平移参数.实验结果表明提出的方法对于图像平移和旋转情况下配准精度高,有较强的抗噪声性能并能达到很好的精度.     

基于形状特征的图像配准

针对图像配准,提出了一种高效的配准方法,结合小波变换与传统的配准方法,检测形状的轮廓,利用小波分解后的系数分层提取图像形状信息,并进行由粗到细的逐次配准,然后利用最小距离函数对两轮廓进行判别,减少了计算量,得到了高精确的配准结果,有效地提高了配准效率。     

基于几何学图像配准的SIFT图像拼接算法

针对SIFT(尺度不变特征变换)算法在特征向量计算和特征点配对时计算量大的问题,基于SIFT算法进行了相应的改进.首先用相位相关法粗略定位图像的重叠区域,对重叠区域进行特征兴趣点的提取,对提取出的点构造泰森多边形;然后将图像切分为4行和4列,分别在每个小区域内根据构造的泰森多边形找到4对匹配点对,算出相应的图像变换矩阵,结合8个变换矩阵计算两幅图像的变换关系,最后采用渐入渐出算法对图像进行融合.在特定区域内寻找定量的点对使得须配对的点对数量变少,从而提升了图像拼接的效率.     

基于空间自适应全变分的图像配准

通过引入空间自适应正则化参数,建立了离散的空间自适应全变分配准模型,并结合一阶泰勒展开式给出了有效的不动点求解方法.实验结果表明,由空间自适应全变分配准模型得到的图像的质量比全变分配准模型的更好,迭代时间更短.     

基于空间自适应全变分的图像配准

通过引入空间自适应正则化参数,建立了离散的空间自适应全变分配准模型,并结合一阶泰勒展开式给出了有效的不动点求解方法.实验结果表明,由空间自适应全变分配准模型得到的图像的质量比全变分配准模型的更好,迭代时间更短.     

基于图像分割的视网膜血管图像配准研究

利用不同波长的视网膜图像可以对视网膜血管血氧饱和度进行计算,但需进行配准处理.提出一种基于视网膜图像血管分割的互信息图像配准方法.为了充分利用血管的轮廓信息和灰度信息,提高配准精度,首先对配准图像进行图像分割,提取视网膜图像中的血管轮廓信息;然后对分割后图像中的血管进行相似度计算,并采用Powell优化算法中的黄金分割法一维搜索算法来提升运算速度;最后根据计算的相似度值来完成不同波长图像的配准.研究中算法配准获得变换参数(角度、X方向、Y方向)的误差的均值分别为2.00%、2.53%和2.52%,误差的方差分别为0.57、2.09和0.34,均优于直接互信息配准方法.实验表明:算法可以自动、有效地对不同波长的视网膜血管图像进行配准,并具有良好的可重复性和稳定性.     

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．     

基于医学图像配准方法的研究

本文对医学图像的配准方法进行了研究,分析了刚性配准和非刚性配准方法的主要区别和适用范围,并分别对图像进行了两种方法的配准。     

基于互信息的多模图像配准研究

分析了基于互信息的多模态图像配准的理论和方法,从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等,同时给出基于互信息的图像配准的基本步骤。     

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．     

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。     

基于SIFT检测的Demons图像配准

提出一种计算简便且配准效率高的算法.通过拟牛顿对Demons算法里的目标函数进行优化,从而得出形变向量u的方法,阐明了此方法配准的高效性,同时再结合SIFT算法对配准结果的检测,便能很直接很直观地看出配准结果的好坏,避免了判断两幅图相似性的大量计算.实验验证了所提出算法的有效性.     

基于混合配准策略的多模态医学图像配准方法研究

提出了一种由"粗"到"细"的混合配准策略,该配准策略吸取了以往配准方法的优点,且在细配阶段将基于特征的配准方法和基于灰度的配准方法结合在一起,提出了基于轮廓特征点集最大互信息的配准方法,从而在速度和精度上都得到了很大提高。     

基于SIFT算法的可见光图像与红外图像配准

为实现可见光图像与红外图像的有效配准,结合两类图像的特点,提出基于特征的SIFT算法,并进行道路和人脸的可见光图像与红外图像配准实验。结果表明,SIFT算法对纹理结构简单、光滑图像提取的特征点较少;随着阈值提高,可见光图像与红外图像的匹配点数目增加,匹配稳定性降低。该算法可用于可见光图像与红外图像配准。     

基于光流场模型的医学图像配准

基于最大化互信息的配准方法因其复杂性高而不能满足临床的实时性要求；基于光流场模型的图像配准方法计算简单快速，但已有的采用光流场进行配准的方法都直接采用原始的Horn模型，该模型简单地采用速度场的模作为光滑性约束，而导致配准过程不能保持图像的不连续性，使得图像严重模糊以致无法应用，该模型还存在不能处理大位移的问题．为了能在配准过程中尽可能地保持图像特征，采用了Lucas等人提出的窗口化光流场模型，通过选用小的窗口减轻对图像造成的模糊；对于大位移问题，可以采用金字塔结构来有效处理．实验结果证明，Lucas光流场模型应用于医学图像配准能够得到较准确的配准结果，具有很高的运行效率．     

基于Fourier-Mellin变换的医学图像配准算法

针对基于互信息配准广泛应用于医学图像配准,存在计算量非常大、耗时长,受初始旋转和平移参数影响较大而使目标函数陷入局部极小等问题,采用Fourier-Mellin变换,先计算出2幅图像功率谱的反Fourier变换得到所对应的峰值位置,从而求得它们的相对平移,对于图像幅度谱用对数-极(Log-Polar)变换求出相对旋转角度,从而获得2幅图像配准参数,最后对图像进行配准.RTMT虽然能快速配准,但是配准精度有待提高.将RTMT和RMI结合在一起进行配准,即将RTMT获得的旋转角和平移量作为RMI的初始值,再应用RMI配准.这种方法不但计算量少而且运算简单,得出的结果精度高并且配准速度快,对于单模态图像配准和多模态配准都适用,还解决了容易陷入局部最优的问题.     

基于最大互信息的分层图像配准方法

基于互信息的图像配准算法具有精度高,鲁棒性强的特点,但是容易陷入局部极值,产生误匹配。本文在配准中采用归一化互信息(NMI)做价值函数,考虑了计算中的出界点和插值问题,将Powell算法与分层策略相结合来进行优化处理,并通过计算图像的灰度重心设置初始参数。实验结果验证了算法在匹配精度和速度上的有效性。     

基于ICP算法的距离图像配准研究

距离图像为构造物体准确的三维几何模型提供了非常好的数据,距离图像配准是三维数字图像造型技术中的关键.文中简要介绍了距离图像的获取原理,详细介绍了基本ICP算法及其常用的最优化解析方法-奇异值分解算法和四元数算法,较全面地分析了人们对ICP算法的各个阶段的改进技术.针对两幅不同视点的距离图像,利用ICP匹配算法,选择合理的匹配策略,通过编程实现了两幅距离图像的配准,取得了较好的效果.