基于对齐度的电力设备红外与可见光的图像配准

提出了一种全新的电力设备红外与可见光图像的配准算法,该方法基于图像的小波变换与对齐度最大化完成图像的配准过程。首先进行图像预处理,分别对红外图像取其负像以及对可见光图像取其灰度图像,从而提升两者的相似性特征;然后利用小波变换提取出图像的边缘及特征点,最后利用对齐度准则计算所有特征点对之间的对齐度,得到匹配点对。实验结果证明了此方法的有效性、精确性和适用性。     

基于二维局域波和角点匹配的多模态图像配准

目前多模态图像配准研究是现代图像处理的一个热点。提出了一种基于二维局域波分解后剩余图像和角点检测的自动点匹配的多模态图像配准方法。首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维局域波应用于多模态图像配准的可行性,提出了一个新的基于Harris角点检测的高精度自动点匹配算法。该算法充分利用了图像的角点特征以及图像灰度和位置信息,匹配过程中采用圆形模板进行相似度计算和松弛匹配。实验表明,该算法可以精确的自动匹配,其精度优于传统的点匹配算法。     

图像插值方法对互信息局部极值的影响分析

多模态图像配准中常使用互信息作为配准度量,互信息中的联合概率密度函数一般是利用图像灰度对的统计值来代替的,而图像插值可能产生新的灰度对,造成互信息出现局部极值。该文利用一维信号从理论上分析了线性和最近邻两种插值方法对互信息的影响。理论分析表明,线性插值造成互信息局部极值的可能性较小,而最近邻插值会使互信息出现周期性局部极值。试验结果证实了该文的结论。分析结果对基于互信息的多模态图像配准具有理论参考价值。     

基于特征点对齐度的图像配准方法

该文提出了一个新的匹配准则特征点对齐度准则,并在此基础上提出了一种基于特征点对齐度准则的图像配准方法。首先,利用小波多尺度积提取出图像的特征点及其角度信息,再利用该文提出的特征点对齐度准则计算所有特征点对之间的对齐度,从而得到匹配点对。实验结果证明了该方法的精确性和有效性。     

基于小波变换和对齐度准则的图像配准方法

图像配准是多传感器图像融合研究中的一项关键技术.由于基于特征的图像配准方法存在特征提取的多样性,对提取图像特征的鲁棒性和精确性都有很高的要求.文中在适用性很强的对齐度准则的基础上,提出了基于小波变换和对齐度准则相结合的图像配准方法.首先,分别利用小波变换模极大值和小波多尺度积提取出图像的边缘及特征点,再利用对齐度准则计算所有特征点对之间的对齐度,从而得到匹配点对.实验结果表明,该方法具有较强的适用性、抗噪性,精确性和有效性.     

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。     

多模态医学图像融合技术概述

介绍多模态医学图像融合的意义和多模态医学图像融合的方式，重点介绍多模态医学图像融合的实现及主要的医学图像配准方法，并讨论了目前的多模态医学图像融合方法中存在的主要问题，直观地从整体上阐述多模态医学图像融合技术。     

基于广义特征点匹配的全自动图像配准

该文针对图像配准中用到的特征点提出了狭义特征点和广义特征点两个范畴。广义特征点是针对区域特征定义的, 可以有各种不同的定义方法。该文建议了一种广义特征点的定义和自动提取算法。该算法以多尺度小波变换来定位图像中的强棱边点,以局部区域的复杂性和非周期性约束最终检测广义特征点。该文采用两个步骤建立广义特征点之间的对应关系。正确匹配的特征点对作为控制点,以最小化控制点处的均方根误差方法求得用于配准图像的仿射变换参数。用一个迭代机制进一步修正控制点的位置,从而达到最佳的配准精度。多种实验结果展示了该文方法的配准效果。     

基于改进光流场模型的脑部多模医学图像配准

 基于光流场模型的配准其常亮假设的光流场约束要求待配准的源图像和目标图像具有一致的灰度,因而只适用于单模态图像之间的配准,为此使用基于排序的精确直方图规定化对脑部MR-PD图像进行模态变换,完成与MR-T2图像之间的灰度映射.由于此配准方法主要用来寻找时间序列图像中的细小形变,当待配准的两图像差异较大时就不能取得满意的配准效果,为此使用能反映图像结构的标记点构造附加的外力对光流场模型加以改进,以获得更理想的配准参数.实验证明,本文方法能够实现具有较大差异的脑部MR多模序列图像之间的准确配准.     

红外与可见光图像配准技术研究综述

多模态图像配准能提供比单模态图像配准更加丰富和全面的信息,红外与可见光图像配准作为一种常见的多模态配准类型,在电力、遥感、军事以及人脸识别等领域具有重要的应用价值。首先介绍了红外与可见光图像配准的相关技术并阐述了配准中存在的难点与挑战,然后详细分析和总结了基于区域、基于特征和基于深度学习3种红外与可见光图像配准方法,并分别阐述了不同配准方法的优缺点,之后概述了红外与可见光图像配准技术的实际应用,最后对红外与可见光图像配准未来的发展趋势进行讨论。     

基于边缘和互信息法的红外图像配准

用红外图像配准技术对多帧图像进行配准,不仅可以实现平台防抖等电子稳像功能,而且还可以通过对配准后的图像进行多帧累加来积累目标能量,增强图像的性噪比,从而为红外图像弱小目标识别提供帮助。将传统的单纯基于图像整体灰度和基于图像结构特征的配准方法相结合,利用边缘检测得到边缘图像,然后以交互方差为配准测度,以向下加速度法为寻优算法进行图像配准。     

基于显著性和ORB的红外和可见光图像配准算法

针对红外与可见光图像配准过程过受灰度差异影响大、特征点难配准的问题,提出基于显著性检测和ORB特征点的图像配准算法。首先利用优化的HC-GHS显著性检测算法得到图像的显著性结构图；其次利用ORB算法在显著性结构图上进行特征点检测,利用泰勒级数筛选出鲁棒性强的特征点,并根据特征点的方向进行分组匹配的策略；最后利用汉明距离实现特征点的匹配。实验表明本文算法能准确实现红外与可见光图像之间的配准,在红外噪声干扰、尺度变化下都具有良好效果。     

基于轮廓特征的红外与可见光图像配准方法研究

红外光与可见光处于不同波段,其图像间的相关性较小.传统的基于特征的图像配准方法(如利用角点、边缘点等),在特征点选择时容易造成误匹配,这是由于有时特征点间的距离比较近造成的.针对此问题,本文提出了一种基于图像轮廓特征的红外与可见光图像配准方法.首先通过设置目标过滤器来提取明显的轮廓,再利用部分Hausdorff距离对轮廓进行匹配,计算出匹配轮廓对的面积和质心,并以此作为配准依据来对两种不同的图像进行配准.然后通过实验证明该方法的配准精度更高且克服了特征点误匹配的难点,这就可以解决刚性变换中红外与可见光图像间的配准问题.     

Delaunay三角网优化下的小面元遥感影像配准算法

针对遥感影像配准中控制点分布不均匀而影响配准精度的问题,论文提出三角网优化模型下的小面元遥感影像配准算法。首先利用RFM模型与DSM数据对其进行正射纠正;其次采用SIFT算子匹配特征点,通过RANSAC算法对其优化;同时设置影像边缘格网点,综合利用仿射变换、核线约束和灰度相似性约束匹配边缘格网点;构建初始Delaunay三角网,通过三角单元面积与角度双重约束优化三角网;最终通过扫描线填充算法实现小面元影像配准。多组实验结果表明该算法在遥感影像配准中的适用性和有效性,影像配准精度可达到亚像素级,使得存在地形起伏的遥感影像配准问题得到了有效解决。      

基于SLER检测的红外与可见光图像自动配准

针对可见光图像和红外图像配准问题,提出了一种新的自动配准方法.该算法通过同级极值区域检测子在灰度梯度图像上提取仿射协变区域.然后利用超图匹配算法确定匹配点对实现图像配准.该方法尤其适合于红外图像的质量或者边缘比对应的可见图像质量或边缘差情况下的异模配准.对一些具有挑战性的图像对进行试验,实验结果表明我们提出的方法比其他方法获得了更好的性能.     

一种分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值并且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法。首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准。实验证明此方法使得图像配准精度和配准效率得到了极大地提高。     

基于边缘特征的异质图像目标配准方法

目标检测作为计算机视觉的重要研究课题,在视频监控和智能导航方面有重要应用.图像配准技术是刚体目标检测方法之一.异质图像间目标的纹理差异极大,为此,对于目标的可见光俯视图像与机载红外摄像机观测异质图像,通过研究基于边缘特征的配准技术,实现对地面平面目标的配准检测.笔者首先通过建立机载运动摄像机空间模型,解决了红外观测图像的视角变换问题,将其换到与参考图像一致的视角,提出一种新颖的基于稳定区域轮廓合成的边缘提取方法,更好地控制异质图像的边缘提取效果,边缘特征匹配是在距离变换的基础上实现的,提出了一种基于稳定区域距离图像互相关的匹配度量准则.实验表明,算法能有效地实现异质图像间的目标配准检测.     

A contour-based approach to multisensor image registration

Image registration is concerned with the establishment of correspondence between images of the same scene. One challenging problem in this area is the registration of multispectral/multisensor images. In general, such images have different gray level characteristics, and simple techniques such as those based on area correlations cannot be applied directly. On the other hand, contours representing region boundaries are preserved in most cases. The authors present two contour-based methods which use region boundaries and other strong edges as matching primitives. The first contour matching algorithm is based on the chain-code correlation and other shape similarity criteria such as invariant moments. Closed contours and the salient segments along the open contours are matched separately. This method works well for image pairs in which the contour information is well preserved, such as the optical images from Landsat and Spot satellites. For the registration of the optical images with synthetic aperture radar (SAR) images, the authors propose an elastic contour matching scheme based on the active contour model. Using the contours from the optical image as the initial condition, accurate contour locations in the SAR image are obtained by applying the active contour model. Both contour matching methods are automatic and computationally quite efficient. Experimental results with various kinds of image data have verified the robustness of the algorithms, which have outperformed manual registration in terms of root mean square error at the control points.     

基于控制点的多光谱图像自动配准研究

针对同类传感器多光谱图像的配准,提出了一种快速有效的图像自动配准方法。该方法采用Forstner算子分别从参考图像和配准图像提取控制点,再利用基于灰度相关的算法匹配同名像点,然后利用同名像点求解仿射变换参数,实现多光谱图像的配准。通过液晶光谱相机成像实验对该方法进行验证,结果证明了该方法处理速度快,配准精度高。