融合空间聚类与结构特征的点集配准优化算法

在点集配准中，噪声、非刚性形变和误匹配的存在，产生了求解非线性最优空间变换困难的问题。针对这个问题引入局部约束条件，提出了一种采用局部空间聚类和邻域结构特征的点集配准优化算法(PR-SDCLS)。首先，利用点集空间距离矩阵构造运动一致性聚类子集和离群值聚类子集；然后，在运动一致性聚类子集中分别使用高斯混合模型拟合，并引入通过融合形状上下文特征描述子与加权空间距离获得考虑全局和局部特征的混合系数；最后，采用最大期望算法完成参数估计，实现了混合模型的非刚性点集配准模型；为了提高算法效率，模型变换采用再生核希尔伯特空间建模，并使用核近似策略。实验结果表明，该算法在涉及不同类型数据退化(变形、噪声、离群点、遮挡和旋转)的非刚性数据集上，面对大量异常值时具有良好的配准效果和鲁棒性，配准平均误差的均值在经典和先进的算法基础上降低了约42.0538%。     

基于吸引区域的多模态脑磁共振图像仿射配准

针对单个对象的多模态脑磁共振图像之间的几何形变较小的情形,为达到全局优化的目的,提出一种基于吸引区域的多模态脑磁共振图像仿射配准方法.把配准优化搜索过程分成两个步骤：寻找包含全局最小值的吸引区域和在吸引区域中进行最小值搜索.该配准优化使用吸引区域里目标函数的近似对称性予以实现.对于正常人群和脑胶质瘤患者群,进行了磁共振 T1加权和扩散加权图像之间多模态配准实验,并使用两种相似测度对3种不同的配准方法进行评价,实验结果表明：该方法与传统的局部优化方法相比,配准后的相似性测度均有显著性改善.     

特征点对引导的医学图像弹性配准方法

采用最优化方法进行弹性图像配准时,常常会因为初值选择不合适导致优化过程收敛到局部极值,从而使配准失败。针对该问题,提出了利用一对匹配的特征点来引导迭代配准过程的算法。首先,根据一对匹配的特征点确定图像初始局部配准区域;然后,在算法迭代过程中逐渐扩展局部配准区域直至覆盖整个图像。建立初始局部配准区域及局部配准区域扩展时,根据特征点对的空间位置关系,以及医学图像的形变场在统计特性上是高斯马尔可夫随机场的先验知识,来估计局部配准区域形变参数向量的初值;在对局部配准区域进行配准时,基于图像像素灰度统计信息的配准方法被用来求解局部配准区域的形变场参数向量。实验证明,该算法能够有效克服弹性配准算法容易陷入局部极值的问题。     

一个新的非单调自适应信赖域方法

自适应信赖域方法是求解无约束非线性优化问题的一种有效方法．将非单调线搜索技术与自适应信赖域方法相结合,提出了求解无约束优化问题的一个新的非单调自适应信赖域方法．在适当条件下,证明了该算法的全局收敛性和局部超线性收敛结果．并对其进行了数值实验,结果表明该算法是可行的．     

求解非光滑凸最小值问题的自适应信赖域方法

针对非光滑凸最小值问题提出一个自适应的信赖域方法,在利用Moreau-Yosida正则化将非光滑凸最小值问题转化为可微凸最优化问题的基础上,应用自动确定信赖域方法,每次迭代都充分利用当前迭代点包含的二次信息自动产生一个信赖域半径.在合适条件下,证明了全局收敛性和局部超线性收敛性质.     

基于分数阶全变差和自适应正则化参数的图像去模糊

为更好地复原图像的纹理细节,避免求解图像去模糊模型时面临正则化参数难以选择的问题,提出了一种基于分数阶全变差（FOTV）模型和自适应更新正则化参数的非盲去模糊图像重建方法。首先,在分析不同分数阶下FOTV的幅频响应特性的基础上,采用不同分数阶次的FOTV模型约束图像的平滑（低频）部分和纹理细节（高频）部分,从而建立图像非盲去模糊重建模型。其次,为了有效地求解重建模型和实现两个正则化参数的自适应更新,采用交替方向乘子法(ADMM)将原本含有两个正则化参数的复杂问题分解成两个相对容易的子问题进行求解,每个子问题只含一个正则化参数。最后,根据偏差准则,在迭代求解过程中实现了两个正则化参数的自适应更新。将所提算法应用于包含平滑、边缘和纹理细节的多幅图像中,测试4种不同模糊核下的去模糊效果;与传统的4种去模糊算法相比,实验结果表明所提算法能自适应地更新两个正则化参数,对于纹理细节适中的图像具有较好的去模糊效果。     

基于边缘增强的正则化超分辨率图像重建

针对双边全变差正则化算法边缘区域重建图像效果不理想问题,提出一种基于边缘增强的正则化超分辨率图像重建算法。该算法在构造初始图像时,对样条插值后的图像先进行非局部均值滤波预处理,然后进行拉普拉斯锐化处理;采用L1范数度量数据保真项和正则项,并从自适应的角度确定正则化参数,从而增强算法的稳健性。实验结果表明,与样条插值算法、双边全变差算法相比,该算法能更好地增强重建图像的边缘信息。     

基于变分贝叶斯的自适应非刚性点集匹配

针对存在异常值的非刚性点集匹配问题,提出了一种基于贝叶斯混合t分布模型的匹配方法。在变分贝叶斯框架下,点集匹配问题转化为最大化对数似然的变分下界,利用变分推断确定变换参数。利用先验模型,将空间正则化约束并入贝叶斯混合t分布模型中,根据不同的点集可自适应地确定正则化参数。与高斯分布相比,t分布对异常值更加稳健。最后,在模拟点集和真实图像上的实验对比分析,验证了该方法在处理存在异常值的非刚性点集匹配问题时的有效性。     

非局域自相似约束的Shearlet稀疏正则化图像恢复

提出一种结合非局部自相似和Shearlet稀疏性正则化的图像恢复变分模型。模型采用观测图像与待恢复图像的能量误差为保真项,联合Shearlet稀疏性和非局域自相似性为混合正则化项。正则化项同时兼顾图像的变换特性和自身结构全局特性。基于变量分裂增广拉格朗日法提出了求解该变分模型的数值算法。以图像去模糊和图像修复为例,对算法性能进行了测试。实验结果表明,该模型和所提算法能够较好地恢复图像,与其他算法相比,可获得更高的峰值信噪比(PSNR)和结构自相似指标(SSIM),具有更好的视觉效果。     

喷墨印花纹理图像的单元分解光流场配准算法

为了解决喷墨印花纹理图像在噪声环境下配准精确度低,以及局部区域存在大的配准偏差的问题,提出一种新的基于单元分解光流场的图像配准算法.利用单元分解技术对光流场图像配准问题进行建模,采用阶谱分层策略和基函数自适应调整,对单元分解过程中生成的局部和全局网格实施灵活度控制.通过引入一个新的能够对纹理结构的光滑效果实施约束的特征能量项,可以使网格单元取得令人满意的纹理表征效果,并且能够提高光流场模型在定位精细纹理边缘时的配准精度.对含噪喷墨印花纹理图像的配准实验结果表明了本文算法的可行性.     

A hybrid genetic algorithm for multi-modal image registration

Imageregistrationisthemethodofbringingtwo differentimagesintoalignmentsothatpixelpositionscorrespondtoequivalentpointsinthespaceoftheob jectimaged.Therearemanyapproachestoimageregis trationandtheycanbeclassifiedintothreeclasses:im age based,feature based,…     

结合PCM和MIE的多模态图像配准方法

针多模态图像配准问题,提出了一种基于相位一致性模型（PCM）和互信息熵（MIE）的配准方法.通过相位一致性模型同时提取多模态图像的角点和边缘特征,在边缘图上取角点的邻域,依据邻域间互信息熵的最小值在估计区域搜索匹配特征,利用RANSAC算法去除错配,进而确定待配准图像间的变换参数.实验表明：该方法达到了像素级配准精度、求解稳定,对多模态引起的非线性灰度变化、光照变化、噪声等都具有较强的鲁棒性;计算精度较基于同类特征的配准方法高,角点、边缘等几何特征综合运用在多模态图像配准中效果良好.     

Accurate Registration of Remote Sensing Images Based on Local Optimal Transformation

As the basic work of image stitching and object recognition, image registration played an important part in the image processing field. Much previous work in registration accuracy and real-time performance progressed very slowly, especially in registrating images with line feature. An innovative method for image registration based on lines is proposed, it can effectively improve the accuracy and real-time performance of image registration. The line feature can deal with some registration problems where point feature does not work. Our registration process is divided into two parts. The first part determines the rough registration transformation relation between reference image and test image. Then the similarity degree among different transformation and modified non-maximum suppression (MNMS) algorithms are obtained, which produce local optimal solution to optimize the rough registration transformation. The final optimal registration relation can be obtained from two registration parts according to the match scores. The experimental results show that the proposed method makes a more accurate registration relation and performs better in real-time situation.     

一种稳健的非刚性医学影像配准方法

提出了一种基于局部线性嵌入(LLE)和改进的L-BFGS优化算法的非刚性配准新方法．该方法首先计算影像不同方向上的定序特征,用于补充传统互信息测度中缺失的空间结构信息;然后,运用LLE方法及其逆映射对高维定序特征进行降维和融合;进而结合影像灰度信息构造了一种基于混合熵的配准测度,有效保证了配准测度函数的光滑性和收敛性;最后,采用改进的L-BFGS优化方法搜索最优配准参数．多组仿真数据的测试结果表明,在噪声情况下,所提方法具有精度高、鲁棒性强的特点,优于现有几种方法．     

一种改进的最大互信息医学图像配准算法

给出了一种基于最大互信息和边缘互方差的医学图像配准算法. 这种算法是在计算原始图像互信息之后， 引入参考图像和浮动图像的边缘互方差值，从而建立起一个新的测度函数来指导寻优过程，最终实现图像配准. 与传统的最大互信息配准算法相比，避免了单纯依赖图像联合直方图所造成的不稳定性，使配准能更加符合图像的特点. 实验证明，这种改进算法有以下优点：配准参数曲线峰值尖锐，易于选择出最优值；在图像灰度缺失的情况下配准有较高的准确性；在噪声方差增大的情况下配准有较强的鲁棒性.     

基于拉伸空间变换算法在DSA配准中的应用

提出一种基于拉伸的空间变换算法, 首次将其应用于数字减影血管造影术(DSA) 图像配准中以消除运动伪影. 实验结果表明, 与传统线性空间变换算法相比, 采用基于拉伸的空间变换算法配准后的减影图像质量显著改善. 为提高计算速度, 仅对选定的控制点进行块匹配操作, 图像其余像素点基于相邻像素运动位移的连续性, 均由找到的运动位移点经空间变换和灰度插值计算得到. 基于拉伸的空间变换算法可避免采用传统线性空间变换算法所产生的病态解, 属于非线性有理变换. 提出的基于拉伸的空间变换算法简单实用, 可准确有效地确定需估算的运动位移点位置, 且配准后的减影图像质量优于采用线性空间变换算法配准的减影图像质量.     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

超小波多阈值估计的图像去噪新方法

为了能够更好的保留图像的有用信息,更精确的去除图像的噪声,提出了基于超小波多阈值的自适应图像去噪方法.该方法先通过超小波变换对图像进行多尺度,多方向分析,然后采用WindowShrink和BayesShrink相结合的去噪方法,充分利用原始图像和噪声的信息实现了图像的降噪处理.仿真结果表明,文中方法无论峰值信噪比还是去噪图像的效果都优于小波变换.     

一种基于互信息与梯度的图像精确配准方法

提出一种利用基于梯度加权的灰度归一化互信息相似性测度,并采用凹函数递减的权衡比重的粒子群优化算法作为搜索策略的多模图像精确配准方法。传统的基于灰度互信息配准方法往往只考虑灰度相关性,忽略或不当引入图像空间特征信息,配准容易陷入局部极值,从而出现误配。将灰度与梯度特征有效融合,即梯度加权到灰度互信息中,同时考虑了2幅图像的灰度统计相关性和图像空间特征信息,提高了多模图像配准的精度与稳定性。通过对遥感图像的拟配准与MR-PET医学图像的实际配准,证明了该方法效果良好,算法稳定,配准的准确率和参数精度都得到明显的提高。     

一种基于小波和尺度型扩散的带噪图像放大方法

将小波多分辨分析和尺度型扩散的离散迭代相结合,利用原图像作为放大图像的小波低频子带,估计高频,重构后的放大图像用前向-后向扩散方程离散一步迭代,得到了一种新的带噪图像放大方法．由于小波系数阈值和该扩散方程在图像梯度小的区域具有正扩散性,使得放大图像的同时去除了噪声,该扩散方程在梯度大的区域具有逆扩散性,又有效地保持了边缘．仿真实验结果证实此方法在放大图像的同时也增强了图像的清晰度和对比度．