空间加权互信息图像配准算法

提出了一种基于互信息扩展的新测度空间加权互信息(SWMI)配准算法.首先使用Harris角点检测对参考图像进行特征区域标记;然后根据对图像配准贡献的不同,对不同特征区域赋予相应权重得到用于计算SWMI的Harris权重函数.实验结果表明:与SWMI配准算法相比,本文算法不需要人工直接干预,有利于实现自动化配准,具有良好...     

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.     

一种医学图像弹性配准方法

针对肝脏和肺部器官在图像配准中特征获取准确度有限性,本文提出了一种机器和人工结合提取特征点的医学图像非刚性配准方法。依据器官中血管形状形成的树状图,使用联合图算法对树状图初步配准后自动提取出特征点,与手工选择的具有解剖意义的点共同构成特征点集。以两幅图像间的互信息作为图像配准测度函数。以确定性退火算法迭代求解最优化配准变换函数。实验证明,该算法能匹配图像的整体结构信息和图像中感兴趣的生理解剖位置,具有很强的鲁棒性。     

基于分块信息熵和特征尺度的图像配准算法

针对当前图像配准技术中特征点的检测和匹配存在的问题,提出了一种基于分块信息熵和特征尺度的图像配准算法.通过对图像进行分块,结合每块图像的信息熵,改善了Harris-Laplace算子提取的特征点分布过于集中的问题.通过比较角点响应函数的值,剔除了特征点中的冗余点.通过结合特征点的尺度信息、Hu矩和双向匹配策略,提高了初始匹配点对的准确率.仿真结果表明,改进的配准算法可以实现高精度的图像配准,对图像的几何变换具有很强的鲁棒性.      

一种改进的SIFT图像检测与特征匹配算法

提出了一种改进的SIFT图像特征检测与匹配算法.以包含像素信息的深度图为基础,通过相应的映射关系,将深度图变成二维图像,再依据深度图每个网格顶点处的局部微分性质确定二维图像上的灰度值,得到二维灰度特征图像;利用SIFT算法对特征图像进行特征点的检测;然后将K近邻算法和双向特征匹配算法相结合,使得匹配得到的结果更加准确,误匹配对更少,并把匹配结果还原到深度图上;最后采用随机抽样一致性RANSAC算法对误匹配点对进行剔除,实现2幅图像的配准.实验结果验证了这种改进算法的鲁棒性和有效性.     

一种由粗到精的核医学图像配准算法

根据核医学图像的特点,提出一种基于图像轮廓并口灰度互信息的核医学图像配准算法。该算法首先基于图像的轮廓的基本特征参数确定粗配准的尺度参数、平移参数和旋转参数,再基于粗准结果利用最大互信息配准准则确定精配准的配准参数。对实际核医学图像的配准实验表明,该算法配准精度高、鲁棒性好,同时配准速度比较快、     

基于NSST和FAST的图像配准方法

为了进一步提高图像的配准速度,提出一种基于非下采样Shearlet变换(nonsubsampled Shearlet transform,NSST)和加速分割检测特征(features from accelerated segment test,FAST)的图像配准方法.首先将参考图像和待配准图像分别通过非下采样Shearlet变换分解成高频和低频子带,对低频子带构建高斯金字塔并采用FAST算子检测图像特征点,利用加速鲁棒特征(speeded up robust features,SURF)向量描述子描述所检测的特征点并依据夹角余弦准则实现特征点的匹配.然后利用随机抽样一致(random sample consensus,RANSAC)算法剔除误匹配点对,实现图像配准.大量实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法、结合Shearlet和SURF的算法、改进的SURF算法相比,所提出的方法在保证一定配准精度的前提下,配准的速度大大加快.     

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。     

一种改进的隐含相似性光学和SAR图像配准算法

光学和SAR(synthetic aperture radar)图像信息的互补性和特征表现的差异性使得两者的配准成为目前多源遥感图像处理的研究重点.隐含相似性配准从图像间存在结构上的相似性出发,将传统复杂的特征匹配过程简化为特征点集的迁移和仅需在单幅图像上对配准参数进行迭代搜索的过程,为光学和SAR图像配准提供新的思路.基于上述配准思想,研究用Canny算子改进特征点集提取过程,引入联合马尔可夫模型提高SAR图像去噪质量,以改进后的量子粒子群算法优化配准参数搜索过程,最终实现光学和SAR图像的配准.经实验证明,改进后的隐含相似性光学和SAR图像配准算法能达到像素级甚至亚像素级的配准精度.     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

一种高分辨率遥感卫星帧间图像配准的方法

针对某高分辨率遥感卫星高精度图像配准要求,提出了一种采用边缘特征的提取和特征点提取相结合的方法,解决了卫星云图存在云层遮挡导致图像边缘信息无法准确提取的问题。该方法基于改进的Canny算法和Harris检测算子对图像的边缘特征和特征点进行提取,并采用Hu氏不变矩实现图像特征点的匹配,通过仿真试验验证了该方法对提高图像配准精度的有效性。     

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％。     

双向梯度归一化互信息医学图像配准方法

传统互信息配准方法未利用图像的空间信息,为此,提出一种将互信息与梯度相似性相结合的双向医学图像配准方法.首先以图像A为参考,求图像A和待配准图像B的每组对应点的梯度相似性,并在计算相似性之前引入高斯算子以降低噪声影响,将梯度相似性因子与归一化互信息的乘积作为图像配准的正向测度;反过来,再以图像B为参考计算逆向的梯度归一化互信息.由此得到双向梯度归一化互信息.实验结果表明,该方法比传统归一化互信息和梯度归一化互信息方法有更高的鲁棒性和精度.     

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.