基于互信息及蚁群算法的红外与可见光图像配准研究

红外与可见光传感器是图像系统中常用的两种传感器,对这两种传感器图像进行有效的融合,能够得到更加丰富的图像信息,并具有更高的可靠性,有利于提高对图像信息的分析和识别能力.快速准确地实现图像配准是图像融合的前提.为此,本文提出了一种基于互信息及蚁群算法实现红外与可见光图像配准的方法.     

基于邻域信息的红外与可见光图像互信息配准

基于互信息的配准方法以其自动化程度高和配准精度高的优点被广泛应用在图像配准中.文中针对红外与可见光图像配准中采用传统的互信息,仅考虑图像像素的灰度信息,而没有考虑图像像素之间空间信息的情况,提出了一种基于邻域信息的互信息配准算法.该算法充分利用图像像素之间的空间信息,在互信息计算中图像中每个像素的灰度值由其邻域像素的灰度值按照距离分配不同的权值共同得到.实验表明该算法使配准曲线更加光滑,配准过程中极值更易找出,提高了配准精度和抗噪能力.     

基于邻域信息的红外与可见光图像互信息配准

基于互信息的配准方法以其自动化程度高和配准精度高的优点被广泛应用在图像配准中。文中针对红外与可见光图像配准中采用传统的互信息,仅考虑图像像素的灰度信息,而没有考虑图像像素之间空间信息的情况,提出了一种基于邻域信息的互信息配准算法。该算法充分利用图像像素之间的空间信息,在互信息计算中图像中每个像素的灰度值由其邻域像素的灰度值按照距离分配不同的权值共同得到。实验表明该算法使配准曲线更加光滑,配准过程中极值更易找出,提高了配准精度和抗噪能力。     

基于分块互信息的图像配准

针对传统互信息缺乏利用空间信息而容易导致误配的缺点,提出了基于分块互信息的多模图像配准方法,并运用于可见光与红外图像之间的配准。该方法首先将可见光与红外图像分块,求得每个可见光与红外图像块对的互信息,并由块对中可见光与红外图像的质心间的距离为参数,确定块对的配准系数,求得每个块对的互信息与配准系数的乘积的和,定义为分块互信息,并以此为配准准则。实验表明,该方法运用与可见光与红外光配准,在配准精度上优于传统互信息方法。     

基于遗传算法的互信息医学图像配准

本文首先介绍了医学图像配准的基本概念及方法流程;然后介绍了基于遗传算法寻优的图像配准,其适应度函数为两配准图像的互信息;最后通过基于遗传算法的脑部二维图像配准实验说明该算法的高效性.     

基于互信息的N维多模医学图像配准

目前多模医学图像配准都定位在两幅图像配准的研究,很少涉及N维(3维及3维以上)图像的配准.当用扩展的N维互信息测度(E-NMIM)进行多个图像配准时,不能保证互信息(MI)值的非负性,并且运算速度慢,达不到临床要求.本文提出一种新的N维互信息测度(N-NMIM),不仅保证了MI值的非负性,而且在[1,2]有界范围内,也提高了配准的速度.通过腰椎部位的CT,T1加权的MRI和T2加权的MRI图像进行实验,验证了这种配准方法的有效性.     

基于最大特征点对互信息的图像配准*

定义了局部特征点对互信息量,并在两个合理的假设下提出了基于最大特征点对互信息量的一种新的图像配准方法.该方法包含了两个搜索过程:第一个过程是基于特征点对的全局搜索过程,该过程得到初始匹配点对;第二个过程是在初始匹配点对的邻域内利用互信息基本性质的局部搜索,该过程可以进一步提高匹配点对的精度.全局搜索过程能够提高搜索效率,而局部搜索又可以克服依赖于准确提取特征点的不足.最后通过理论分析和实验证明了所提出方法的有效性.     

基于Canny边缘SURF特征的红外与可见光图像配准算法

利用多源传感器之间获取信息的互补性,克服单传感器的缺陷,从而提高系统整体性能指标的思想已经在军事、医疗、卫星等领域获得了广泛的应用。可见光和红外图像相融合也能提高视觉应用场景中对目标的探测能力,降低目标警报的虚警率和漏警率,提升准确率和工作效益。对于红外与可见光图像配准过程中受不同传感器图像成像原理不同,成像结果图像灰度差异大、特征难以匹配的问题,可以利用红外和可见光图像的共有特征即边缘轮廓特征,采用Canny边缘提取算法提取出图像最基本、稳定的特征,然后在边缘图中使用SURF特征检测算法进行特征点提取与匹配,最后采用RANSAC进行精准匹配。由于边缘在红外和可见光图像中都是比较稳定的特征,而且在边缘轮廓图中进行特征提取将极大减少计算量和提高匹配率,因而最终能够获得较为准确的红外、可见光图像的变换关系。     

非下采样轮廓波域红外与可见光图像配准算法

针对灰度和对比度存在较大差异的可见光图像与红外图像的配准问题,提出了一种基于非下采样轮廓波变换的多分辨率配准方法。该方法分别对可见光图像和红外图像进行非下采样轮廓波分解,引入梯度归一化互信息作为配准图像的相似性测度,利用基于种群成熟度描述的自适应确定交叉和变异比率的改进遗传算法作为搜索策略,对高尺度低频图像进行粗配准。然后,根据粗匹配结果在低尺度低频图像上进行进一步配准,最终实现全分辨率条件下红外和可见光图像的配准。实验结果表明,提出的算法能够有效提高配准精度和速度。     

基于模态转换的红外与可见光图像配准方法

针对红外与可见光两种模态图像的差异性,提出基于模态转换的红外与可见光图像配准方法。使用生成式对抗网络将可见光图像映射到红外光谱,减少可见光与红外图像的光谱的差异性;基于图像块的相似准则,提取两种图像局部邻域中的独特结构,引入归一化互信息作为配准度量,实现红外图像与可见光图像配准。实验结果验证了模态转换后的红外光谱信息对提取模态独立邻域特征的有效性,在同类算法中有较好的配准效果。     

基于小波变换和互信息的医学图像配准

为提高医学图像配准效果,提出了一种基于小波变换和互信息的配准方法。该方法首先通过小波变换将图像分层,并用小波分解的近似分量从最顶层开始搜索,同时以添加边界约束条件的下降单纯形法为搜索策略,而以搜索结果作为下一层搜索的粗略位置;然后逐层细化,以实现由粗到细的搜索过程;同时,针对不同的分解层采用不同的配准方法,即下层引入结合空间信息的区域互信息(RMI)为相似性测度,而上层采用PV插值法,以避免陷入局部极值。最后将此法应用于加噪MR图像单模配准、PET图像单模配准和MR-PET图像多模配准的。实验结果表明,该方法可以得到精确、有效的配准结果。与传统方法相比,该方法不仅配准精度高、抗噪性能好,而且计算效率高。     

一种基于互信息的图像配准算法

针对红外和可见光图像的特性,提出了一种基于互信息的图像配准算法。该算法采用互信息作为红外和可见光图像的统计相关性测度,并使用仿射模型实现两者的配准。实验结果表明,该算法能够较好的进行图像间尺度、旋转和平移差别的修正,可以很好地解决成像差异较大的红外与可见光图像间的配准问题。     

基于角点特征和最大互信息的图像配准

基于互信息的配准方法是图像配准领域的重要方法。互信息是图像配准中常用的相似性度量,具有鲁棒、精度高等优点,但基于互信息的配准计算量大,制约了它的实际应用。文章提出一种基于角点和最大互信息配准方法:首先采用间接算法来计算曲率的极大值点,从而能快速准确的提取角点集;接着计算两幅图像角点集间的互信息,最后通过POWELL算法搜索使互信息最大以实现配准。实验表明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性。     

一种基于互信息和小波分解的图像配准算法

为了寻找快速、精确、鲁棒性强的自动配准算法,论文提出了基于互信息和小波分解图像配准方法。假设实时图像和模板图像之间的变换为仿射变换,采用金字塔小波分解和边缘特征提取获得特征点,利用分层特征点方法进行配准,以互信息最大作为度量准则,在每层上利用互信息的最大值来获取变换参数,然后得到全局变换参数。仿真结果表明此方法具有很好的抗干扰性、鲁棒性和精确性。     

基于混合互信息的医学图像配准

通常的互信息测度是基于Shannon熵的,对Renyi熵进行分析,根据某些参数下的Renyi熵可以消除局部极值、而Shannon熵对于局部极值具有很强吸引域的特点,提出一种使用Renyi熵和Shannon熵的混合互信息测度,将两种测度分别用于不同的搜索阶段,首先使用全局搜索算法寻找基于Renyi熵的归一化互信息测度的局部极值,再通过局部优化方法对当前的局部最优解进行局部寻优以找到全局最优解,在局部优化阶段使用基于Shannon熵的归一化互信息测度作为目标函数。实验表明,这种配准算法比单纯使用Shannon熵能够取得更准确的配准结果,而且求解速度得到提高。     

基于形状特征点最大互信息的医学图像配准

定义了基于形状特征点的互信息计算公式，提出区域增长结合动态聚类算法的形状特征点提取方法，在使形状特征点互信息最大化完成医学图像配准的过程中，引入人机交互，缩短了优化过程，避免了局部极值。提出的配准策略具备临床实用性，尤其适于缺少灰度信息的医学图像配准。     

基于互信息的分层遥感图像配准方法

该文提出了一种基于互信息相似性判据的分层遥感图像配准方法,通过小波变换构造图像金字塔,从金字塔的最顶层开始搜索,根据互信息最大的原则确定图像间的变换参数,并作为下一层搜索的粗略位置,然后逐层细化,实现由粗到细的搜索过程。将此算法应用于遥感图像,得到了有效、精确的配准结果。从而证明了该文算法的可行性和有效性。     

基于共生互信息量的医学图像配准

该文考虑对应点及其邻域内不同方向上的像素点,将图像的空间与方向信息引入到配准中,提出了一种新的相似性测度--共生互信息量(Co-MI),并在此基础上构造了一种新的配准算法--最大共生互信息量法.实验结果表明在图像空间分辨率较低,有噪声影响和图像部分缺损的情况下,该算法具有计算速度快、精度高、鲁棒性强的特点.作为一种一般性的配准方法,共生互信息量同互信息一样,不仅可以用于图像的刚性和弹性配准,还可以应用到图像配准以外的更广阔的领域,如经济学、运筹学、模式识别等.