基于图像生成的多模态视网膜图像配准方法

针对多模态视网膜的全局粗配准,提出了一种基于图像生成的多模态视网膜配准方法. 不同于当前主流的提取多模态视网膜图像血管再进行配准的方法,使用GAN模型对不同模态的视网膜图像进行像素级映射,再通过特征点匹配的方式计算图像仿射矩阵,实现图像粗配准. 基于彩色眼底图像与荧光素血管造影图像的实验结果表明,该方法与当前主流的视网膜粗配准方法相比,具有快速且鲁棒的优势.     

基于膜计算的多模态图像配准算法研究

图像配准是图像融合的前提,具有重要的研究价值。传统的基于智能进化的优化算法在进行图像配准时,存在配准精度低,收敛速度慢的问题。利用膜计算的并行协同进化特性,提出一种在膜计算框架下的多模态图像配准算法,即GA-MCIR算法。设计一种细胞型P系统的膜结构,细胞膜中1个对象表示1组浮动图像变换参数,每个基本膜采用遗传算法进化对象获得最优变换参数,并将最优对象转运到上层膜中,同时所有基本膜之间随机进行最优对象转运操作。通过以上2种转运操作,上层膜保留本膜中本次进化的全局最优对象,并将其转运到各子膜中,参与各子膜的进化。最终,整个P系统的最优变换参数保留在表层膜中。将CT脑部图像和可见光与红外光图像等多模态图像进行配准实验,其结果表明,所提算法相比于基于GA和PSO的图像配准算法具有更高的配准精度、更好的全局收敛性。       

基于互信息的多模态医学图像配准研究

由于基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,本文利用这一优点,根据图像配准的基本步骤设计出一个基于互信息的多模态医学图像配准算法。首先是采用三线性插值方法对图像进行插值处理,然后利用Powell优化算法,根据互信息值来判断Powell算法所获得的参数是否是最优参数解。最后仿真实验证明了该算法的有效性。     

基于互信息的多模态医学图像配准技术研究

分析了互信息配准的物理基础和配准原理，提出了利用差图像熵的互信息测度，对多种具有代表性的互信息测度进行了比较，并用邻域信息对差图像互信息进行了改进。试验结果表明，与空域信息相结合的互信息测度具有更好的抗噪性。     

基于互信息的多模态医学图像配准技术研究

分析了互信息配准的物理基础和配准原理,提出了利用差图像熵的互信息测度,对多种具有代表性的互信息测度进行了比较,并用邻域信息对差图像互信息进行了改进.试验结果表明,与空域信息相结合的互信息测度具有更好的抗噪性.     

基于小波分析的热红外图像自动配准方法

研究一种快速、准确、抗噪、有效的热红外图像自动配准方法 .首先用小波分析技术提取两幅图像的特征点 ,然后对两幅图像之间的角度差进行补偿 ,最后用多层特征点匹配技术完成两幅图像的变换参数的估计和自动配准 .对热红外图像自动配准的仿真表明本文提出的方法可以快速、自动、比较准确地得到图像之间的配准参数 ,且对噪声具有一定的适应能力     

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.     

基于深度学习的图像配准方法综述

图像配准是图像处理和计算机视觉领域中的关键技术。近年来,随着深度学习在图像处理和计算机视觉领域取得突破性进展,基于深度学习的图像配准方法也不断涌现。系统介绍了基于深度学习的图像配准方法,将其分为基于特征的组合配准方法、有监督学习的直接配准方法以及无监督学习的直接配准方法三大类,比较分析了各种配准方法的优劣。并以此为基础,对基于深度学习的图像配准方法未来的研究趋势进行了展望。     

基于边缘特征的虚实图像精确配准

3D模型的虚拟图像与可见光图像（实图）的配准可以增强信息的互补性,在通过INS装置粗配准后,其配准问题变成了经典的多模态图像精确配准问题。本文提出了一种基于边缘信息全局最优匹配的3D模型图像与可见光图像精确配准算法。该算法首先基于相位一致性模型提取3D模型图像与可见光图像视觉相似的边缘结构;再采用模拟退火算法搜索求解在边缘配准度最大对应的空间变换模型的最优参数值。4组实验结果表明,本文算法能够充分利用图像间的相近似的边缘结构和模拟退火算法得到配准变换参数,有效地实现多模态图像（不同光照及对比图像对,不同传感器的航拍图片对,虚拟3维视图与可见光图像）的精确配准。     

基于特征的SAR图像与光学图像自动配准

针对现有配准方法在用于SAR图像和光学图像配准时,存在受SAR图像相干斑噪声影响大,手工选取配准点精度低等缺点,提出了一种基于区域特征提取的图像配准方法．对SAR图像首先进行相干斑噪声抑制,并采用图像分割的方法提取出封闭区域的边界作为特征,然后与可见光中提取的边缘利用闭合区域边缘链码的相关寻求匹配,精确配准的误差达到子象素级水平．实验结果表明,该方法能够以较高的精确度从SAR图像中提取配准控制点,从而实现了多传感器图像的自动配准．     

基于尺度配准的航拍图像与卫星影像匹配方法

随着无人机航拍技术的普及,航拍图像在目标检测和跟踪的应用得到普遍研究,而航拍图像与卫星影像的匹配研究相对较少。由于成像机理和成像视角的不同,无人机航拍图像与卫星影像存在较大的尺度差异,现有的图像匹配方法难以实现航拍图像与卫星影像的有效匹配。为了解决这一问题,提出了一种实现具有大尺度差异的航拍图像与卫星影像匹配的方法。该方法通过卫星影像的经纬坐标信息和无人机航拍图像成像时刻的相机位姿信息,对无人机航拍图像进行方向和尺度的配准;然后利用航拍图像成像时刻的位置信息,对卫星影像进行粗匹配,得到包含航拍图像匹配区域在内的卫星影像子图;再利用神经网络提取配准后的航拍图像与卫星影像子图的卷积神经网络（convolutional neural networks,CNN）特征,并基于CNN特征实现航拍图像与卫星影像的精匹配。仿真实验结果表明,本文所提方法能够有效的实现大尺度差异的航拍图像与卫星影像匹配。通过将本文匹配方法与现有图像匹配算法匹配精度的对比分析,证明了本文匹配算法的有效性和优越性。     

Fast subpixel registration method for InSAR images

In conventional registration methods, image interpolation is used to extract subpixel offsets which lead to the limitation that the registration accuracy is restricted by the interpolation unit. Moreover, the computational burden is heavy when high accuracy is demanded. In order to reduce the computational load, we propose an efficient offset estimation method for interferometric synthetic aperture radar (InSAR) image subpixel registration. Firstly, a novel cost function continuously varying with offsets is established by integrating the empirical signal-to-noise ratio (SNR) and the interpolation operation. This suggests a more accurate registration since the accuracy of the estimated offsets does not depend on the interpolation unit. Secondly, an efficient bi-iterative algorithm is employed to solve the cost function in the continuous domain. The subpixel offsets associated with the maximum of the cost function can be exactly obtained with low computational complexity. Simulated and real data are tested to illustrate the good performance and computational efficiency of the proposed method.     

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.     

2D registration based on contour matching for partial matching images

The mean Hausdorff distance, though highly applicable in image registration, does not work well on partial matching images. An improvement upon traditional Hausdorff-distance-based image registration method is proposed, which consists of the following two aspects. One is to estimate transformation parameters between two images from the distributions of geometric property differences instead of establishing explicit feature correspondences. This procedure is treated as the pre-registration. The other aspect is that mean Hausdorff distance computation is replaced with the analysis of the second difference of generalized Hausdorff distance so as to eliminate the redundant points. Experimental results show that our registration method outperforms the method based on mean Hausdorff distance. The registration errors are noticeably reduced in the partial matching images.     

干涉合成孔径声呐复图像配准

利用干涉合成孔径声呐技术能够获得海底的三维地貌图,而干涉合成孔径声呐复图像之间的精确匹配技术是提高合成孔径声呐干涉测量精度的关键之一.首先讨论了干涉合成孔径声呐复图像配准过程中所要考虑的问题.然后给出了一种复图像配准方法,在该复图像配准过程中,使用的是基于窗口区域的图像配准方法,并把复图像中相应配准窗口之间的相关系数作为评估配准精度的标准,使用该方法能够获得子像素级的配准精度.最后把该数据处理方法应用到了仿真和消声水池试验数据的干涉处理之中,最终取得了令人满意的结果.     

A hybrid genetic algorithm for multi-modal image registration

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

基于小波分解和最大互信息的图像配准方法研究

研究了基于最大互信息图像配准的理论和实现算法,提出了将小波分解与之相结合的算法,证明了该算法优于基于最大互信息的图像配准。通过实验数据比较可以得出,提出的基于小波分解和最大互信息的图像配准的算法可以有效地提高配准的速度和具有较好的配准效果。     

A MNCIE method for registration of ultrasound images

Ultrasound imaging is an importantimaging modal-ity, which can be applied in procedures such as surgi-cal planning, image-guided surgery and other applica-tions that are used for both diagnosis and therapy[1].Conventional 2D ultrasound imaging is performe…     

LBM的医学影像非刚体配准新方法

为了提高医学影像的配准性能,利用流体粒子运动可以模拟任意自由复杂形变的特性,将医学影像配准问题转化为粘滞流体力学物理问题,提出了一种基于离散格子玻耳兹曼方法(LBM)的非刚体配准新方法.配准过程是把浮动影像、目标影像和浮动影像的灰度差以及像素点分别视为粘滞流体、外力以及流体粒子,通过LBM方程模拟浮动影像像素点在外力作用下的流动,使影像产生位移场,发生形变.当两幅影像的灰度值接近一致时,外力消失,流体流动停止,影像达到配准.建立了含外力项的粘性可压缩LBM方程,并对边界条件、初始条件和速度模值进行了定义.实验结果表明,文中方法与同类方法相比,配准性能得到了全面提升,提高了配准效率,适合大形变配准场合.     

干涉合成孔径雷达复图像自动配准算法

提出了一种基于曲线特征的干涉合成孔径雷达（InSAR）复图像对的自动配准算法．该算法借助于B-样条拟台特征曲线，利用BFGS拟牛顿法加速最小均方误差拟合．通过相干系数法实现了曲线段的匹配．采用最小二乘法计算仿射变换参数．基于实测数据的实验结果表明．该算法具有精度高、稳健性强和计算复杂性较小的特点．