基于轮廓特征点最大互信息的多模态医学图像配准

提出了一种基于轮廓特征点最大互信息的多模态医学图像配准方法,并将粒子群优化算法(PSO)和Powell算法相结合以一种组合的全局优化算法(PPSO)来求取最优配准变换参数.实验结果表明,该方法具有配准精度高、速度快、鲁棒性强等特点,是一种有效地全自动配准方法.     

基于图像处理技术的集成电路焊接质量监测系统研究

随着计算机的发展,数字图像处理的应用为电路板焊接质量的检测提供了新的条件。重点研究了参考图像和待检测图像的图像配准算法,采用基于灰度信息的图像配准方法,使用PV插值法直接更新联合直方图并由此计算出参考图像和浮动图像的互信息值,然后采用改进的鲍威尔算法搜索最优配准参数,最后根据配准参数进行插值从而得到配准图像。最后,在缺陷检测方面通过颜色识别寻找配准图像和参考图像的差异部分,通过直方图匹配和边缘检测滤去伪缺陷和噪声部分得到缺陷部分,最后标定缺陷位置。实验结果表明,采用本文设计方法可以实现焊接缺陷的快速并且高精度的检测,从而进一步降低人工成本,提高检测效率。     

基于互信息和多智能体优化的合成孔径雷达图像配准

提出了一种基于互信息的多智能体优化方法,并将其用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像的配准.采用归一化互信息作为度量准则,直接利用图像的灰度数据进行配准,没有假设图像间灰度值的线性关系,不需要对图像做分割、特征提取等预处理,并利用多智能体优化算法寻找最佳匹配参数,以得到最优的配准结果.实验表明,该算法在SAR图像配准方面有更好的普适性和更高的配准精度.     

改进PSO算法在图像配准中的应用

图像配准是目前图像处理中的热点,很大程度上因为它是图像融合的前提,具有重要的研究价值.粒子群算法是一种基于群体搜索策略的自适应随机算法,由于该算法实现简单、参数较少等特点被广泛使用.针对标准PSO易陷于局部最优的问题,对标准PSO进行了改进.实验过程中,参考图像和浮动图像的相似性测度采用的是峰值信噪比(PSNR).通过实验结果对比,改进后的算法由于克服了容易陷入局部最优解的问题从而提高了配准精度.     

基于IPSO和综合信息的医学图像配准新方法

针对医学图像配准中采用互信息作为配准相似度函数存在配准精度不高和收敛速度慢等问题,根据图像灰度和空间结构信息,构造了一种新的基于互信息和改进型形态学梯度算子的信息配准测度函数,采用一种适用于医学图像自动配准的改进型粒子群优化(IPSO)算法,给出了一种新的基于IPSO的医学图像配准算法。实验结果表明,该配准算法稳定性好、收敛速度快,在多模态医学图像自动配准中是可行的。     

基于交叉累积剩余熵和NSCT的多模式遥感图像配准

图像配准是图像变化检测、融合、拼接等技术的 基础,在遥感图像处理领域具有广泛的应用 。利用非抽样Contourlet变换(NSCT)在图像分解上的灵活性,交叉累积剩余熵(CCRE)对遥感图像进行配准的有效性,提出一种基于CCRE和NSCT 的多模式遥感图像配准算法。首先对参考图像和待配准图像分别进行NSCT分解得到低频图像 ,然后采用CCRE作为相似性测度,利用牛顿法获得最优仿射变换模型的 参数对图像进行配准。实验 结果表明,本文方法能够较快的搜索到全局最优解,配准精度高,是一种有效的配准算法。     

基于NSCT和人工蜂群算法的图像配准

为了增加颅脑肿瘤的诊断信息,提出了基于NSCT(Nonsubsampled ContourletTransform)和改进的人工蜂群算法(Artificial Bee Colony,ABC)的颅脑CT(Computed Tomography)图像和MRI(Magnetic Resonance Imaging)图像的配准方法。首先将参考图像和待配准图像进行NSCT变换,分解成高频子带和低频子带,分别提取两幅图像的低频图像作为参考图像和待配准图像,以互信息作为相似性测度,选用刚体变换模型求解空间变换参数,然后提出一种改进的人工蜂群算法来优化配准所需的空间变换参数。实验结果表明,该方法可以有效提高配准速度,具有较好的配准效果。     

一种改进的基于不变描述子的图像自动配准方法

本文提出了一种改进的基于不变描述子的图像自动配准方法来处理具有全局仿射变换的图像配准问题.该方法主要分为三步:首先,利用Mean-shift算法和区域标记算法分别从参考图像和待配准图像中提取区域特征作为配准基元,采用7个仿射不变矩作为不变描述子;其次,通过组合仿射不变矩的最小距离准则和行、列匹配概率系数算法获得一个候选匹配区域特征集,运用穷举策略从中得到三个最好的匹配区域特征,利用它们的重心点坐标计算仿射变换模型参数的初始值;最后,根据空间一致性检测获得所有正确的匹配区域特征,利用它们的重心点坐标和最小二乘算法估计最优的仿射变换模型参数.仿真和实际图像数据的配准实验和对比实验结果表明本文方法具有较高的可靠性和配准精度.     

基于ITK实现多模态医学图像配准

多模态医学图像配准是医学图像配准领域的一项关键技术.目前,医学图像配准技术已经拥有了不少成熟的算法,但因其算法本身的复杂性或编程的复杂性,给许多致力于医学图像的分析处理和应用研究但又缺乏软件开发经验的研究人员增加了研究工作的难度.以基于互信息的多模态医学图像配准算法为例,将ITK有关类库函数应用于医学图像配准中.给出了基于ITK实现图像配准的处理流程、数据输入输出方式以及算法的编译和运行方法.实例表明,基于ITK的配准算法简化了医学图像配准程序的开发工作,为医学图像引导临床诊断的研究应用提供参考.     

基于MRF模型的多模态图像配准技术研究

在医学图像处理领域中,医学图像配准技术极其重要,其价值体现在临床医学中对图像处理技术的应用。在解决多模态图像配准的相关问题时,基于互信息方法的应用最广泛,但在某些特定的应用中该方法受到的约束仍然较多。针对这一情况,提出一种新的医学图像配准算法,模态变换的引入作为此研究算法的基础,之后新的马尔可夫能量函数则根据两幅通过模态变换后的图像矩阵以及原配准图像得以构建。同时,为了优化能量函数引入了一种改进的梯度下降算法,从而得到配准结果。最后,运用不同的医学图像进行配准实验来验证该算法,通过实验证明该配准算法具有良好的有效性及抗噪性能。