基于改进粒子群优化算法的互信息图像配准

为了实现快速精确的图像配准,提出了基于改进粒子群优化算法的互信息图像配准方法,以互信息作为图像配准的相似性测度,使用改进的PSO算法来求解配准所需的空间变换参数.改进的粒子群算法引入组织的概念把整个种群划分为多个子群体共同进化,并引入变异运算减少算法陷入局部最优.把改进的粒子群优化算法应用到医学图像配准领域上来,实验结...     

基于最大互信息的图像拼接优化算法

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。     

一种图像快速配准算法的研究

在基于小波分解和互信息测度的图像配准方法的基础上,提出一种改进的快速图像配准算法。首先,对图像进行小波分解,以分解后的图像的近似分量进行配准,利用互信息最大化作为相似性测度,并结合粒子群优化算法和鲍威尔算法为优化策略搜索最优配准参数。实验结果显示,此方法在得到较高的配准精度和鲁棒性的情况下,还大大减少了运算量,提高了配准的速度。     

蚁群算法和Powell法结合的多分辨率三维图像配准

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.     

遗传算法和Poweli法结合的多分辨率三维图像配准

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。本文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，将遗传算法和Powell法结合起来对三维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信息函数的局部极值，配准精度达到亚像素级。     

遗传算法和Powell法结合的多分辨率三维图像配准

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。本文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,将遗传算法和Powell法结合起来对三维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信息函数的局部极值,配准精度达到亚像素级。     

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。     

基于互信息下粒子群优化的属性约简算法

最小属性约简是粗糙集理论中属性约简的优化问题.在寻找最小属性约简的问题上,基于粒子群优化的属性约简算法（ARPSO算法）优于传统的属性约简算法.在现有的ARPSO算法中,正域部分通常被作为启发式信息,但是它并不能够很好地衡量不确定性,而互信息是粗糙集理论中一种更有效的度量不确定信息的重要工具.为此,提出基于互信息下的粒子群优化的属性约简算法（MIPSO算法）,该算法把互信息作为适应度函数,通过增强粒子能迅速靠近吸引子的这一特性,改进了内嵌区域震荡搜索的粒子群优化算法（简记为RSPSO算法）,防止算法较早的陷入局部最优,使得粒子群中的粒子更快的找到最优值,因此使得算法尽可能实现全局收敛.实验结果表明,该算法不仅提高了寻优的能力,加快了算法的速度,提升了算法的精度,而且也能够使得约简后剩余属性的互信息值与约简前所有属性的互信息值近似相等.     

基于粒子群优化与梯度下降法的多模图像配准

针对多模图像配准单纯使用粒子群优化(PSO)算法导致搜索速度慢这一现象,提出了结合PSO和梯度下降法的分步式搜索算法.以CT与MR图像配准为例,计算了使用互信息作为相似性测量时的配准函数,进而分析了图像配准算法中可能遇到的局部极值问题.根据配准函数的特点,提出在局部极值较少时使用梯度下降法代替PSO算法搜索以减少运算量...     

基于改进PV插值和混合优化算法的医学图像配准

基于互信息的医学图像配准算法近来获得了广泛的应用.在计算互信息的时候,采用部分体积插值计算联合直方图无法避免在象素整数倍位移处的局部极值,有可能导致误配准.本文提出了基于B样条函数的部分体积插值方法,有效地减少象素整数倍位移处的局部极值;在优化互信息函数的时候先使用遗传算法将配准参数收敛到最优值附近,然后使用Powell方法进行局部搜索,避免误收敛.实验表明,本文提出的算法具有更好的精确性和稳定性.     

基于互信息和梯度的红外与可见光图像配准新方法

红外与可见光图像配准是常见的多传感器图像配准,在军事、遥感等领域有着广泛的应用。提出了一种基于互信息和图像梯度的红外与可见光图像的自动配准方法：首先,获得图像的梯度信息,然后根据定义的扩展结构获得边缘区域图像,选择最大归一化互信息作为相似性测度,使用Powell算法获得最佳配准参数。实验结果证明,本文方法较传统的基于互信息和梯度的配准方法,提高了配准的速度和精度,可以作为一种有效的粗配准的方法。     

基于简单Schur凹函数的图像配准测度研究

 使用互信息或归一化互信息进行图像配准时,由于噪声、模态、插值等影响,测度函数存在许多局部极值,收敛范围较窄,有可能导致误配准.该文根据一个简单的Schur凹函数,充分利用它的特殊上凸性来消除噪声等引起的小概率分布,并由Jensen-Schur测度、广义距离测度和 f 信息测度的定义,构造了六种新测度.从运算时间、收敛性能、抗噪鲁棒性方面,对这六种测度、互信息和归一化互信息进行了比较和分析.实验结果表明,Jensen-Schur-beta和D-beta测度的收敛性能优于其它测度,抗噪声能力强于其它测度,运算速度快于互信息和归一化互信息.     

基于交叉累计剩余熵的多光谱图像配准方法

针对传统互信息图像配准容易产生局部极值的问题,提出将双边滤波器和交叉累计剩余熵结合作为匹配算法,进行多光谱图像的配准。在这种配准算法中,首先针对多光谱图像特点,提出基于概率密度的双边滤波器边缘提取方法,其次采用交叉累计剩余熵代替互信息作为测度函数将参考图像与待匹配图像的边缘进行匹配。双边滤波器的特性是去噪保边,而累计剩余熵比香农熵更具一般性,且该函数可以有效地避免局部极值,去除噪声。实验证明,该方法鲁棒性好,配准效果明显。     

基于互信息量和模糊梯度相似性的医学图像配准

本文分析了基于互信息量的医学图像配准算法中存在的鲁棒性问题,提出创建图像的模糊梯度场及建立模糊梯度相似性测度,并将其结合到互信息量配准算法当中.实验证明,本方法很好的解决了传统基于互信息量的方法中存在的鲁棒性问题,能够快速稳定地实现医学图像配准.     

一种改进的基于互信息的自动图像配准算法

提出了改进图像配准的基于互信息的算法,首先将参考图像和待配准图像分解到小波域并二值化,以归一化互信息作为相似性测度进行配准.配准参数搜索作用SPSA算法和鲍威尔算法相结合的优化策略.实验证明本算法可以快速、精确且不需要人工干预地实现两幅图像的配准.