基于Hausdorff距离图象配准方法研究

图象配准是图象融合的一个重要步骤，为此提出了一种自动图象配准算法，该算法从两幅待配准的图象中分别抽取特征点，然后选用Hausdorff距离对两特征点集进行匹配，得到点集间的仿射变换，从而实现图象的自动配准，此算法以特征点而不是物体边缘计算仿射变换，大大降低了计算Hausdorff距离的运算量；同时，基于Hausdorff距离的图象匹配只需要点集之间的对应，而无须点与点的对应，因而可以使用于存在较大物体形变的情况，即完成两幅差异较大图象的配准，实验结果证明了算法的有效性。     

一种基于小波变换的图象配准方法

现有的图象配准方法对旋转处理比较困难,且处理效率不高.本文提出一种可以克服旋转处理的基于小波变换的图象配准方法.该方法首先用小波变换提取边缘特征点,同时构成小波金字塔影像.在最高层利用角度相关系数确定基准图象和配准图象之间的旋转角度,经多分辨分级搜索匹配得到最终匹配特征点对,利用这些特征点对待配准图象进行配准纠正.实验结果表明,改进方法有较好的效果,可用于广泛应用领域.     

数字图象单边缘快速配准算法

数字图象配准技术是模式识别和图象处理领域中一种十分重要的基本处理手段。本文描述的单边缘数字图象配准算法,采用景物边缘作为高层次配准特征,其配准速度在保证精度前提下,比传统的互相关系数配准算法约提高10倍以上。单边缘配准算法尤其适合于解决那些对应景物间的灰度有很大差异的图象间的配准问题。     

基于最大互信息和相关法的医学图象配准

本文提出了一种医学图象配准的方法,该方法分两步第一步采用搜索最大互信息的方法对图象做粗配准,使得参考图象与待配准图象大致一致;第二步采用快速相关法对图象做精细配准,从而获得医学图象的最优配准.由于此种算法具有良好的扩展性,所以既可用于多模医学图象的配准,也可用于单模医学图象的配准.     

真实场景的图象拼接方法

由于数字视频,虚拟现实场景经常涉及到多帧图象,且需要将它们拼接起来,为了获得良好的拼接效果,提供了一种基于真实场景的图象拼接方法,即采用Levenberg-Marquardt迭代非线性最小化算法,使相邻图象重叠部分的局部误差达到最小,首先找到图象间正确的几何变换关系来进行图象配准;然后用逆映射方法把图象"缝合"在一起,并采用加权算法对拼接后的图象进行融合,从而消除了拼缝处的缺陷.实验结果满意,拼接效果良好.     

基于分窗口相关的遥感图象配准方法

多源遥感数据的融合和综合应用必须实行严格的配准,若将通过选取控制点的传统方法,用于成象特性差异较大的图象间配准就存在较大的误差,为解决该问题,研究发展了一种基于分窗口相关的图象配准方法,即采用移动窗灰度相关的方法对图象上的每一点进行搜索,来寻找最大相关位置,以达到精确配准的目的。通过将该方法应用于不同时相的TM图象、SAR图象、不同成象方式和不同分辨率的AVIRIS图象和航片间配准的实验表明,该方法能够有效地实现复杂图象间的精确配准,配准误差已达到子象素级水平。     

基于Legendre矩的CT及MR医学图象融合方法

为了提高CT、MR多模态医学图象配准、融合的精度和速度,提出了基于Legendre矩的CT和MR多模态医学图象配准、融合方法,并运用二维9数据图象的Legendre矩正交性和无冗余性的特点,通过找出CT及MR两种模态医学图象的质心,计算出两图象的比例因子,从而完成了两图象的平移和旋转,并精确地实现了CT和MR两模态图象的配信、融合,还优化了Legendre矩的快速算法和提高了应用Legendre矩配准CT和MR图象的速度。实验表明,利用Legendre矩对CT和MR等多模态图象配准、融合,不失为一种比较直接、简洁的方法;同时,Legendre矩在医学影象诊断、放疗计划系统等方面也具有重要的应用价值。     

脑部数字减影图象增强研究

针对数字减影图象中，因运动引起的图象质量下降问题，提出了一种基于图象配准的数字减影图象增强算法，该算法通过选择合适的控制点和相似测度，采用快速样条插值算法以及鲍威尔优化搜索方法，并用块匹配方法对造影图象和掩膜图象进行配准，实验结果表明，配准后的减影图象质量良好，不仅具有较高的临床诊断价值，并且该算法具有较快的计算速度。     

远程会诊中病理切片图象的拼接算法研究

针对现有图象配准方法存在的问题，提出了一种新的基于特征的图象对准算法，利用差值数据中最大包与次大包偏差的极大值来匹配相邻图象，研究结果表明该算法在获得良好拼接的基础上，大大提高了拼接速度，是一种快速实用的拼接算法。     

图象特征点集配准的加权相关迭代算法

图象配准是计算机视觉中目标识别的一种基本方法 .其目的是在待识别图象中寻找与模型图象的最佳匹配 .该文以传统的 U meyam a点集相关度量为基础 ,结合 Procrustes正规化方法 ,通过引入加权矩阵 ,以得到新的相关度量函数 ,进而提出了一种图象特征点集匹配的新方法 ,解决了传统方法要求点集维数相同的缺点 .经过迭代运算 ,对存在几何失真 ,且维数不同的两点集可得到精确配准 .文中给出的点集配准结果说明 ,当两点集维数相同时 ,该方法不仅与传统的点集相关法一样 ,均可达到精确配准 ,而且该方法对维数不同的点集也可实现精确配准     

基于小波多尺度积的图像配准方法

由于基于特征的图像配准方法，时提取图像特征的鲁棒性和精确性都有很高的要求，本文提出了一种基于小波多尺度积的图像配准方法。该方法利用小波多尺度积提取边缘图像和特征点，同时保存特征点的方向信息，具有抗噪性强和边缘定位精确等优点；然后利用特征点的方向信息，定义角度直方图来得到图像之间的精确旋转角度；最后可以选择多种匹配准则来确定匹配点对。实验结果表明，本文提出的方法具有精确性、抗噪性、有效性和鲁棒性等优点。     

基于SIFT和改进的RANSAC图像配准算法

为解决RANSAC算法迭代次数过多导致图像配准精确率不高的问题,提出了一种改进的RANSAC图像配准算法。首先将参考图像和待配准图像进行NSCT变换分解成低频子带和高频子带。然后对高频子带运用矢量夹角算法和结构相似性（SSIM）来提取图像边缘特征点,对低频子带运用SIFT算法并设定合适的距离阈值来提取特征点。最后利用改进的RANSAC算法提高特征点匹配精度,选择出精匹配点对,实现图像配准。实验结果表明,该算法能有效地找到较多的匹配点对,准确地去除误匹配点对,明显地提高了配准精确度。     

基于局部显著边缘特征的快速图像配准算法

针对尺度不变的特征变换(SIFT)算法提取的特征点数目多、匹配耗时长、匹配精度不高等问题,提出了一种基于局部显著边缘特征的快速图像配准算法。该算法利用SIFT算法提取待选特征点,同时用小波边缘检测提取图像边缘,建立特征点周围邻域的边缘特征,筛选出具有显著边缘特征的特征点,结合Shape-context算子和边缘特征形成特征描述向量,采用欧氏距离作为匹配度量函数对筛选出的特征点进行初步匹配,然后用随机一致性检验(RANSAC)算法消除误匹配点对。实验结果表明,该算法有效控制了特征点的数量,提高了特征点的质量,缩小了特征搜索空间,提高了特征匹配的效率。     

基于SIFT点特征和Canny边缘特征匹配的多源遥感影像配准研究

针对多源遥感影像的配准,提出了一种结合SIFT点特征和Canny边缘特征匹配的配准算法。该算法首先采用SIF7算法提取点特征并进行影像粗配准,在获得初始仿射变换参数后,采用Canny算法提取边缘特征,并采用成本函数法进行边缘点匹配,经粗差滤除后得到有效的匹配特征点对,随之进行影像精配准。该算法结合了SIFT、算法和Canny算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

面向像对直线特征匹配的线特征矫正与提纯方法

目的 像对直线特征匹配是计算机视觉的重要研究内容,现有这类匹配方法均存在不同程度的误匹配问题。导致此问题的主要因素包括直线检测结果没有位于图像的真正边缘处、缺乏匹配线对的一致性校验。为此本文提出一种面向像对直线特征匹配的线特征矫正与提纯方法。方法 首先提取像对的边缘特征获得二值化边缘图,通过边缘梯度图及梯度矢量图（GVF）建立梯度引力图。其次,采用直线检测方法提取像对的直线特征,并通过梯度引力图矫正直线位置。最后,采用点特征匹配结果计算像对极线,并结合直线匹配结果确定最后的局部校验特征区域,通过随机抽样一致小邻域范围内特征相似性校验直线匹配结果,从而剔除误匹配直线。结果 对一组宽基线像对进行匹配实验,与直接采用直线匹配算法获得的匹配结果相比,矫正后的匹配结果剔除了大部分误匹配线对,将匹配准确率从50%提高到84%,继续提纯该匹配结果获得了100%的匹配准确率。在另一组宽基线像对的匹配实验中,经本文方法处理后的匹配准确率提高近30%。与前两组实验相比,第3组实验的像对摄影姿态变化不大,仅在尺度上有所区别,经本文方法处理后配准率从92%提高到100%。结论 采用本文方法可以大幅提高像对直线特征匹配的准确率,同时该方法可以很容易对其他直线匹配结果进行校正与提纯,具备较高的实用性。     

基于边缘特征点对对齐度的图像配准方法

针对基于特征的图像配准方法存在特征提取的多样性和相似度计算的复杂性等问题,在定义边缘特征点对的角度直方图和对齐度的基础上,提出了一种基于边缘特征点对对齐度的图像配准方法。该方法首先利用小波多尺度积准确地提取边缘图像和特征点,然后根据特征点的角度直方图得到的旋转角度,并通过计算所有特征点对在边缘图像中的对齐度来精确地确定匹配点对。大量的实验结果表明,该方法具有较强的适用性、精确性和有效性。     

基于特征区域的图像自动配准

为了解决基于特征的图像配准中的特征点的定义和提取问题,提出了一种以特征区域替代特征点的定义和提取方法。该方法应用Moravec算子选择候选特征区域,使用具有旋转不变性的Zernike矩表征该区域的特性;采用二级匹配策略进行特征区域的匹配,即基于自组织映射神经网络的初始匹配及精细匹配;建立图像的配准框架并实现图像的配准。实验结果表明,该方法能有效地提取图像的特征点并能准确地进行特征点的匹配,整个配准过程完全自动进行。     

基于Bubble小波的多尺度边缘提取

根据列车轮对图像的特性，主要探讨了基于小波分析的原理，并基于Bubble二进小波函数进行图像多尺度边缘提取。利用边缘相关判据排除噪声边缘，取边缘响应极大点作为配准控制点。实验结果显示，本方法能够很准确地提取出图像的主要边缘信息。     

分形维数的全局点云初始配准算法

针对重叠率低、角度大的点云数据之间的配准进行了研究,提出基于分形维数的全局点云初始配准算法。计算点云中各点的维数值;通过维数属性,从点云中提取特征点;聚类特征点,形成全局结构;从全局结构中,获得全等三角形对,作为匹配点对,进行初始配准;进行剪枝迭代最近点（Trimmed Iterative Closest Point,Trimmed-ICP）细配准。该算法与全局最优迭代最近点（Global optimal Iterative Closest Point,Go-ICP）算法相比,能够有效缩小不同角度的点云数据之间的位姿差异,显著提升对重叠率低、角度大的点云数据的配准效果。     

快速特征提取与感知哈希结合的图像配准算法

经典的特征点提取算法是从整个图像进行遍历来确定特征点,运算量较大,不能满足实时应用的要求。提出了一种特征点快速稀疏提取算法,该方法首先利用高斯拉普拉斯算子（Laplacian of Gaussian,LoG）提取图像梯度,设定阈值过滤获得图像的边缘稀疏矩阵,然后在稀疏矩阵的基础上利用改进的加速分割测试特征（Features from Accelerated Segment Test,FAST）检测算法,解决了传统匹配算法提取特征点耗时的问题,使图像实时匹配成为可能。为减少误匹配对,利用感知哈希算法对匹配对进行提纯,并根据仿射不变性建立两个约束条件进一步验证单应性矩阵,提高配准精度。实验结果证明,该算法提高了特征点提取的速度以及配准精度。