MATLAB环境下的图像配准技术研究

图像配准技术常常用于医学图像对比分析,遥感数据分析以及目标定位、测量和分析等领域。阐述了图像配准的定义,采用人机交互的方法在待配准的图像间选择配准点,利用空间几何变换关系对输入图像进行几何变换,使用MATLAB软件提供的图像处理工具对图像进行配准。仿真实验表明,该方法简便,易于实现,能消除图像之间的位置差异,进行有效的配准。     

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。     

遥感数字图像配准技术综述

图像配准技术是近年来迅速发展的图像处理技术之一,也是解决图像融合、图像镶嵌和变化检测等问题的必要前提,并在遥感、军事、医学、计算机视觉等众多领域都有广泛的应用.本文首先简要介绍了图像配准的步骤和过程,接着具体分析了目前几种常用的配准方法,并归纳总结了其在遥感领域应用中的技术特点,最后讨论了图像配准在遥感领域中的发展趋势.     

Matlab环境下图像配准方法

图像配准是图像处理的重要前期步骤,直接影响图像处理的精度。图像配准应用于多个研究领域,比如医学图像的配准,多数据源遥感图像的配准等。Matlab以其强大的矩阵运算功能及丰富的图像处理函数等,在图像处理方面占有明显的优势。文中阐述了在Matlab环境下图像配准的实现过程,最后对其进行评价。将Matlab与VC编程相结合,可提高运行速度、精度,减少了程序代码,且效果良好。     

遥感图像配准方法研究——综述

图像配准技术是近年来发展迅速的图像处理技术之一,是图像融合、图像镶嵌、超分辨率图像处理等领域所不可缺少的关键步骤.对遥感图像自动配准领域出现的最新技术进行了总结,并将图像配准方法分为三类:基于区域灰度的配准方法、基于图像特征的配准方法和基于对图像的理解和解释的配准方法.从原理和配准性能上对各类方法进行了分析,并指出了它们各自的优势和存在的问题.     

遥感图像的图像配准方法

图像配准技术是近年来发展迅速的图像处理技术之一，是图像拼接、信息融合不可缺少的步骤。本文对遥感图像的配准进行了总结和归纳，介绍了几种常见的图像配准方法，并根据高光谱图像和高空间分辨率图像的特点指出了适合不同类型遥感图像的配准方法。     

BSP模型下最大互信息医学图像配准研究

文中研究了在医学图像处理中基于最大互信息的图像配准的理论和实现的算法,并在此基础上给出了并行模型BSP下的实现算法。通过实验数据可以分析得出,文中提出的算法可以很好地解决医学图像处理中的图像配准的速度。     

图像配准中的边缘提取方法的研究

图像的边缘是图像最基本也是最重要的特征之一.边缘特征提取一直是计算机视觉和图像处理领域的经典研究课题,在图像配准中有着广泛的应用,对于图像匹配精度至关重要.该文对现有经典以及新型的边缘检测方法进行了介绍,并重点比较了近年来出现的几种新方法,从而总结出相对有效的图像边缘提取方法,为进一步进行图像配准提供了依据.     

医学图像配准技术研究

医学图像配准是图像处理和计算机视觉中一个很重要的研究领域.首先分析医学图像配准的四个关键要素,然后着重从变换模型、相似性度量两个方面探讨了医学图像配准技术的发展,最后提出医学图像配准中有待进一步研究的问题.     

遥感影像的半自动配准

图像的半自动配准是当前比较先进的图像配准技术。该方法基于初步定位基础,利用模板相关的匹配方法,根据遥感图像之间灰度分布的相关性,选取数量丰富的配准控制点,利用相关系数准则进行图像间的相似性度量,可达到较高的配准精度。实验结果表明,该匹配方法用于遥感图像的配准能够有效提高图像处理的速度以及校正图像的定位精度。     

一种基于边缘的图像配准方法

图像配准是多传感器图像融合研究中的一项关键技术,多传感器图像特别是波段相距较远的相关性较小的图像,要实现图像配准存在很大的困难。对于能够用仿射变换模型来描述的图像,图像之间比较明显的特征是各个物体之间的边缘。该文研究利用小波变换的方法提取图像的边缘,并对边缘图像作交互方差分析,搜索出最佳交互方差的配准参数。通过对SPOT和TM图像的处理,达到了精度较高的配准效果。     

遥感影像配准方法的研究和应用

图像配准是图像处理的基本任务之一,用于将不同时间、不同传感器、不同视角及不同拍摄条件下获取的两幅或多幅图像进行（主要是几何意义上的）匹配。它是一个把两幅图像对齐到同一个坐标系下以分析其间细微变换的处理过程。实现图像配准主要有空间域方法和频率域方法两类。针对对序列遥感影像的处理,实现了这两类方法中各具代表性的算法,并在这个过程中根据实际情况做出剔除外点的提纯决策和特定倍数的区域傅里叶变换,然后进行比较。实验表明,频率域方法能取得更精确的配准结果。最后,结合实验结果对空间域算法进行了分析,得出了结论。     

基于MATLAB的超声检测自动判伤算法研究

为了实现MATLAB对超声波检测的自动判伤以及简化图像处理过程,以火车轮对为例,对火车轮对的超声检测B扫描图进行了分类处理。运用基于互信息的图像配准方法对复杂背景图像进行处理,并对基于互信息配准得到的结果进行求补集,最后经过MATLAB工具实现对图像中缺陷的判别并予以标示,显示缺陷的位置信息,成功地实现了超声检测中缺陷的自动判伤,提高了超声检测中的判伤效率。     

基于图像配准的潜在痕迹提取

介绍了依据图像配准技术在复杂背景中提取潜在痕迹的一种方法。图像配准是图像处理的一个重要的基础环节，传统的图像配准算法存在着各种不确定性及计算复杂性，而且特征点的选择困难且自动性差。而我们要实现从复杂的背景中提取潜在的痕迹必须要求图像要精确对准到亚像素级。针对传统算法中存在的问题，分别采用了一种从特征点提取、匹配到图像间点变换估计及光学变换估计的鲁棒算法。这些算法经过实验证实是鲁棒的且是实用的。     

A maximum likelihood approach for image registration using control point and intensity

Registration of multidate or multisensor images is an essential process in many image processing applications including remote sensing, medical image analysis, and computer vision. Control point (CP) and intensity are the two basic features used separately for image registration in the literature. In this paper, an exact maximum likelihood (EML) registration method, which combines both CP and intensity, is proposed for image alignment. The EML registration method maximizes the likelihood function based CP and intensity to estimate the registration parameters, including affine transformation and CP coordinates. The explicit formulas of the Cramer-Rao bound (CRB) are also derived for the proposed EML and conventional image registration algorithms. The performances of these image registration techniques are evaluated with the CRBs.     

一种针对多通道GMTI的SAR复图像精确配准方法

提出了一种针对多通道GMTI的SAR复图像精确配准算法。首先,系统分析了配准误差对干涉相位的影响,推导出了对应配准误差的干涉相位Cramer-Rao界,并利用Monte Carlo仿真数据对配准误差的影响进行了量化。在此基础上,通过对待配准图像进行二维精确插值处理,生成模板图像库和相应的相关系数库,以适合多通道GMTI的复图像的相位相关为准则,找出模板图像库和相关系数库中与参考图像具有最大相位相关值的图像作为配准图像,从而实现多通道SAR复图像之间的精确配准。对基于所提算法的实测三通道SAR复图像进行慢动目标检测实验,结果表明所提算法能够提供多通道GMTI所需要的配准精度,证明了该算法的有效性和实用性。      

基于MATLAB的红外/射线图像增强方法研究

无损检测(NDT)系统产生的图像通常存在着由随机干扰等因素引起的噪声,为了进行下一步的图像分析,图像增强是一步很重要的前期处理工作。图像增强的方法分为空域法和频域法两类,本文将灰度变换和小波变换的图像处理技术引入无损检测(NDT)图像处理中,运用MATLAB图像处理工具,对图像从空域和频域两方面进行增强,并在MATLAB语言环境下编程实现这两种方法。实验结果表明,应用MATLAB进行图像增强处理具有理想的效果和很高的工程价值。     

基于SIFT和Affinity Propagation的遥感图像配准算法

随着传感器和光学影像测量等各种技术的快速发展,航空遥感技术已经在电力巡检、森林防火、地理测绘等领域中发挥着越来越重要的作用,而图像配准作为遥感图像的预处理步骤为图像融合等后续处理提供了参考和依据,目前已经成为遥感图像处理领域的研究热点。文中提出了一种基于尺度不变特征变换（Scale-invariant Feature Transform,SIFT）和仿射传播聚类（Affinity Propagation,AP）的图像配准算法。该算法与原有算法相比优势在于无需预先设定参数,并且实验仿真表明该算法能有效地对多源图像进行高精度的配准,与随机抽样一致算法（Random Sample Consensus,RANSAC）相比提高了正确匹配点的数目。