共查询到18条相似文献,搜索用时 93 毫秒
1.
蚁群算法和Powell法结合的多分辨率三维图像配准 总被引:5,自引:0,他引:5
基于互信息的配准方法具有精度高,鲁棒性强的特点,成为近年来图像配准研究的热点.但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难.该文提出了一种蚁群算法和Powell法相结合的多分辨率搜索优化算法.该算法以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将蚁群算法与Powell法结合起来对三维的CT,MR图像进行了配准.实验结果表明,这种方法能够有效地克服互信息函数的局部极值,大大地提高了配准精度,达到亚像素级. 相似文献
2.
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. 相似文献
3.
4.
5.
数字化X射线图像(digital radiography,DR)与数字重建放射图像(digitally reconstructed radiography,DR)属于不同模态图像,实现二者的高精度快速配准是一个技术难题。在实际应用中,往往会同时获取物体的正侧面DR和DRR图像。提出一种基于互信息与梯度信息相结合的配准算法。首先,对正侧面图像进行小波分解,获得低分辨率子图像并配准,使用粒子群优化(particle swarm optimization,PSO)算法进行全局寻优;然后,根据配准结果,判断互信息与梯度信息配准结果是否正确,如果配准错误,则在下一阶段中不使用该结果作为配准依据;最后,以PSO算法寻优结果作为Powell算法的寻优初始点,对原始正侧图像进行精确配准。实验结果显示,本算法快速完成配准,配准精度达到2 mm,满足实际应用要求。 相似文献
6.
7.
提出了一种仿射模型参数分步估计的红外与可见光图像自动配准算法.首先,使用矩阵正交分解方法,将仿射变换的6个自由度分离为易于估计的切变、尺度比例、旋转、尺度缩放以及x和y方向上的平移量等参数;然后基于方向一致性约束和线段间的对齐度分别构建用于参数分步估计的目标函数,并使用SGA(Stud Genetic Algorithm)算法搜索使目标函数取得近似全局最优解的参数值;最后,基于Powell算法对参数估计值进行局部求精.实验结果表明,当两幅需要配准的图像中含有丰富的关联线段及多样的线段方向分布时,本文算法能够利用这些线段间的方向一致性约束和位置分布信息,有效地实现红外与可见光图像的自动配准,且算法具有较好的配准精度. 相似文献
8.
针对传统互信息图像配准容易产生局部极值,以及传统梯度互信息配准方法计算量大等问题,在互信息和梯度方法基础上构建了一种改进的梯度互信息方法,该方法直接统计梯度图像的互信息,有效地将图像梯度信息和灰度信息结合起来,不仅保证了配准精度,而且较传统梯度互信息方法减少了计算量。在参量优化的过程中,针对传统粒子群优化算法易陷入局部极值的缺点,提出了改进的粒子群优化算法,该算法在传统粒子群优化算法基础上引入混沌优化思想和遗传算法中的杂交思想,不仅能够有效抑制局部极值,而且加快了收敛速度。多种红外与可见光图像配准实验结果证明,文中提出的算法能够有效提高配准精度和速度。 相似文献
9.
10.
本文采用微分同胚变换预处理图像,得到初始化形变场,提高对形变图像的配准精度;采用Broyden族算法优化能量函数,自动确定迭代次数,提高优化效率;基于Demons算法思想引入图像梯度灰度场相似量构造能量函数,提高灰度信息少的图像配准精度。实验证明,本文算法配准精度优于改进的Demons算法,尤其在配准大形变图像时,本文算法配准精度高的优势更加明显。 相似文献
11.
提出一种采用粒子群优化算法进行盲信号分离的新方法,为盲信号分离领域提供一种新的研究思路与方法。该方法采用峰度作为适应度函数,利用粒子群算法对由多个源信号混合而成的信号进行盲信号分离。与自然梯度法盲信号分离相比,粒子群算法精度更高,收敛速度更快,实例仿真成功地对两个图像混合信号进行了盲分离,表明了算法的有效性和优越性。 相似文献
12.
基于最大互信息的图像拼接优化算法 总被引:3,自引:1,他引:2
基于多分辨分析(MA)策略,提出了以图像最大互信息(MI)为匹配测度的图像拼接粒子群优化算法(OA-MI),使参数随图像的MI计算和多分辨率级数进行自适应调整,解决了灰度图像配准中由于目标函数容易陷入局部极值而造成的误匹配问题。实验证明,该方法能够有效地避免局部极值的影响,通过有限次寻优迭代即可找到最优配准变换,提高了图像配准的计算速度和图像拼接的质量。 相似文献
13.
为解决基于隐性度量的图像配准算法初始配准误差大容易引起失配的问题,本文提出了一种融合显性度量和隐性度量的多模图像分层配准算法。首先采用金字塔分解算法得到低分辨率待配准图像。然后在每一层金字塔图像中,先采用互信息作为显性度量,利用粒子群算法获得初始的配准参数;以此作为初始值,采用基于隐性度量的配准算法,利用融合粒子群和鲍威尔搜索法的优化算法获取更准确的配准参数。基于低分辨率图像计算得到配准参数后,先对高分辨率待配准图像进行变换,然后利用提出的上述算法进行参数优化,根据每层得到的配准参数计算最终的配准参数。最后,采用可见光与红外图像、多波段SAR图像进行了配准实验。实验结果表明,提出的算法适用于多模图像配准,能够减小配准误差,具有一定的适用性。 相似文献
14.
15.
在解决盲均衡的问题中,当前主要采用梯度搜索的方法,这种方法的优点在于局部最优解收敛,降低通信性能。本文根据粒子群算法,设计了各种算子,提出了用粒子群算法的快速搜索全局最优解的性能来优化盲均衡算法的代价函数,从而提出了一种新的基于粒子群算法的盲均衡算法。仿真结果表明,所提出的算法在较少的迭代次数情况下,能够快速收敛,具有较优的性能。 相似文献
16.
《Antennas and Propagation, IEEE Transactions on》2009,57(6):1655-1666
17.
In this paper, we propose a Markov random field-based method that uses saliency and gradient information for elastic registration of dynamic contrast enhanced (DCE) magnetic resonance (MR) images of the heart. DCE-MR images are characterized by rapid intensity changes over time, thus posing challenges for conventional intensity-based registration methods. Saliency information contributes to a contrast invariant metric to identify similar regions in spite of contrast enhancement. Its robustness and accuracy are attributed to a close adherence to a neurobiological model of the human visual system (HVS). The HVS has a remarkable ability to match images in the face of intensity changes and noise. This ability motivated us to explore the efficacy of such a model for registering DCE-MR images. The data penalty is a combination of saliency and gradient information. The smoothness cost depends upon the relative displacement and saliency difference of neighboring pixels. Saliency is also used in a modified narrow band graph cut framework to identify relevant pixels for registration, thus reducing the number of graph nodes and computation time. Experimental results on real patient images demonstrate superior registration accuracy for a combination of saliency and gradient information over other similarity metrics. 相似文献