一种改进的病理显微图像亚像素快速配准方法

针对病理显微图像的快速高精度配准的应用需求,提出了一种改进的亚像素快速配准方法。通过采用对数差值函数对显微图像重叠区域进行信息量评估,由H型对数差值模板配准获取两幅图像像素级的粗定位和有效子图,继而在两幅子图上采用局部上采样相位相关法来获取亚像素级别的配准估计值。该方法利用H型对数差值模板简洁、配准速度快的优点规避了相位相关法计算量随着图像尺寸增大而急剧增长的缺陷,并能够对显微图像进行信息量评估以避免空白图像造成的误配。经实验表明,改进的显微图像配准方法配准精度可达0.01像素,速度为相位相关法的3.7倍（图像大小为2448×2048）,更适合应用于病理显微图像的快速高精度配准。     

一种序列图像配准的计算框架

提出了一种对来自多传感器的序列图像进行时间．空间配准的计算框架。该框架适用于摄像机静止的场合，而且所拍摄的图像序列中有运动目标存在，但在图像序列的开始阶段为静止背景。首先对静止背景进行配准，得到空间变换的初始估计；然后，利用运动目标质心间的对应关系得到时间变换的初始估计；最后，结合共同信息计算出最终结果。本框架的空间配准精度可得到亚像素级，时间配准精度可达到亚帧级。本框架已成功应用于可见光／红外图像序列的配准实验。     

基于互信息的高精度双目视觉测距方法研究

在立体视觉测量中,为获得更高测量精度,拓展测距范围,最重要的是要获得精确的亚像素级视差。为此,引入图像配准领域常用的互信息理论并结合Powell优化算法实现亚像素级点匹配。首先,利用Harris角点探测器检测目标,并将得到的角点作为待匹配点,再采用最大互相关法对左图像进行匹配搜索确定匹配点。然后再对以左右匹配点为中心的一定大小的邻域图像进行插值,分别放大10倍和100倍。引入多分辨率配准策略,加快了图像配准速率。先采用互信息理论结合Powell优化算法对低分辨率图像进行配准,然后再在高分辨率图像上对第一次配准的结果进行细化,结合像素级匹配的整数视差可得到最终的亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素,提高了测距精度。     

基于互信息的高精度双目视觉测距方法研究

在立体视觉测量中,为获得更高测量精度,拓展测距范围,最重要的是要获得精确的亚像素级视差。为此,引入图像配准领域常用的互信息理论并结合Powell优化算法实现亚像素级点匹配。首先,利用Harris角点探测器检测目标,并将得到的角点作为待匹配点,再采用最大互相关法对左图像进行匹配搜索确定匹配点。然后再对以左右匹配点为中心的一定大小的邻域图像进行插值,分别放大10倍和100倍。引入多分辨率配准策略,加快了图像配准速率。先采用互信息理论结合Powell优化算法对低分辨率图像进行配准,然后再在高分辨率图像上对第一次配准的结果进行细化,结合像素级匹配的整数视差可得到最终的亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素,提高了测距精度。     

基于轮廓特征的SAR图像自动配准

针对SAR图像的自动配准问题，提出了一种基于轮廓特征的快速配准方法。在对SAR图像正确检测和分割的基础上提取图像的区域轮廓，并对其几何特征属性进行准确描述，利用配准点可以实现自动图像配准，仿真试验表明可以获得亚像素级配准结果。     

基于邻域信息的红外与可见光图像互信息配准

基于互信息的配准方法以其自动化程度高和配准精度高的优点被广泛应用在图像配准中.文中针对红外与可见光图像配准中采用传统的互信息,仅考虑图像像素的灰度信息,而没有考虑图像像素之间空间信息的情况,提出了一种基于邻域信息的互信息配准算法.该算法充分利用图像像素之间的空间信息,在互信息计算中图像中每个像素的灰度值由其邻域像素的灰度值按照距离分配不同的权值共同得到.实验表明该算法使配准曲线更加光滑,配准过程中极值更易找出,提高了配准精度和抗噪能力.     

基于邻域信息的红外与可见光图像互信息配准

基于互信息的配准方法以其自动化程度高和配准精度高的优点被广泛应用在图像配准中。文中针对红外与可见光图像配准中采用传统的互信息,仅考虑图像像素的灰度信息,而没有考虑图像像素之间空间信息的情况,提出了一种基于邻域信息的互信息配准算法。该算法充分利用图像像素之间的空间信息,在互信息计算中图像中每个像素的灰度值由其邻域像素的灰度值按照距离分配不同的权值共同得到。实验表明该算法使配准曲线更加光滑,配准过程中极值更易找出,提高了配准精度和抗噪能力。     

桥梁配准方法的研究与实现

以全色、多光谱图像中的桥梁目标为研究对象,采用具有尺度不变特征的SIFT算法,对图像进行特征点的提取与匹配,利用Delaunay三角网格对两幅图像特征点进行修正,通过投影变换将两幅图像变换到同一坐标系下进行配准,并利用均方根误差和相关系数进行配准评价;实验结果表明该方法可以减少图像的配准时间,配准精度达到亚像素级。     

用改进的粒子群算法实现多模态刚性医学图像的配准

多模态医学图像的配准在医学诊断和治疗计划中起着重要的作用．提出了一种基于轮廓特征点和改进的粒子群优化算法((Particle Swarm Optimization，PSO))求解的配准方法．该方法首先用Canny算子提取图像的边缘，用ISODATA算法进行聚类分析提取出轮廓特征点，然后用两轮廓匹配点对的欧几里德距离平均值的极小值作为两个特征点对配准准则，并用改进的PSO算法求解配准所需的空间变换参数．实验证明；该方法配准精度能够达到亚像素级，能够避免陷入局部极小值而且速度得到明显改善，其应用于多模态医学图像的配准是可行的．     

亚像素级图像配准算法研究

在很多应用领域,要求图像配准的精度达到亚像素级。对现有的亚像素级图像配准算法进行了分类,介绍了几种最主要的亚像素级精度的配准方法,包括基于插值的方法、扩展的相位相关法、解最优化问题法,并对这些算法的思路、性能特点和最新进展进行了综述。然后从几个评价标准对各种算法进行了比较,分析了各自影响性能的因素和性能提升的空间。最后对未来的发展趋势进行了展望。     

一种频率域解混叠的CCD图像超分辨重建方法*

在不增大光学系统的焦距,也不缩小CCD 器件阵元的宽度的情况下,为了获得高分辨率的图像,对多幅具有互补信息的低分辨率图像进行研究。首先,把多幅具有互补信息的低分辨率图像通过傅里叶变换到频率域;接着,对频率域中高分辨与低分辨率图像之间关系进行建模,进而得到它们之间的关系;然后,通过对模型求解,得到高分辨率图像的频率值;最后,进行傅里叶反变换即可得到高分辨率图像。实验结果表明,该重建方法获得的高分辨率影像在视觉上比用任意一帧影像经过双线性插值获得的影像要清晰得多,与实际摄取高一倍的分辨率影像几乎达到一样。对b     

二阶锥规划在MR图像重建中的应用研究

用传统MR图像重建方法对降采样数据进行重建往往会产生严重的伪影或导致重建图像的信噪比下降。用迭代重建算法对MR降采样数据进行优质重建,目标函数仅包含待重建图像的全变分,约束条件为一等式约束。在数值求解过程中,将优化问题转化为二阶锥规划问题,采用具有良好收敛性的对数障碍算法进行优化求解。在迭代过程中用图像的全变分信息自适应地决定对数障碍参数。实验结果表明,算法很好地克服了网格算法中的伪影问题,可以重建出高质量的MR图像。     

空间欠采样太赫兹时域光谱成像方法

文章针对传统太赫兹时域光谱成像技术存在的扫描时间长以及数据存储量大等问题,提出了一种基于压缩感知理论的空间欠采样太赫兹时域光谱成像方法。首先通过扫描电机获得目标非等间隔欠采样信号,然后利用压缩感知方法来重构缺失像素点的太赫兹信息。实验结果显示,当压缩比为0.5时,所重构的太赫兹信号与全采样条件下的信号相关性可达99.95%。通过对压缩重建图像的显示分析,时域图像中的缓变区域和频谱成像中的低频信号恢复效果较好。该方法为快速太赫兹光谱成像提供了一种有效的技术手段。     

联合相邻帧预测的心脏磁共振电影成像方法

快速动态磁共振成像可以通过减少采样量来缩短信号的采集时间.因此,从下采样的数据中重建出高质量的图像成为研究的热点.目前,常见的重建方法利用动态图像序列的稀疏表示实现高质量的重建.本文提出了一种联合相邻帧预测（Joint adjacent-frame prediction,JAFP）的重建方法,首先根据动态图像序列相邻帧之间高度的相似性,联合预测当前帧图像,获得稀疏的图像差;其次,利用图像差序列在时间域的拟周期特性,通过傅里叶变换进一步提高图像差序列的稀疏度.在此基础上构建动态成像模型,并在压缩感知（Compressed sensing,CS）框架下进行求解.该方法可将前一次的重建结果作为新的输入,从而形成迭代算法.采用两个磁共振心脏电影成像数据集对提出的方法进行了实验验证,并与k-t FOCUSS ME/MC和MASTeR进行了比较.实验结果表明,该方法联合相邻帧改进了预测图像的效果,提升了重建图像的质量,具有广泛的应用价值.     

Illuminant Aware Gamut‐Based Color Transfer

This paper proposes a new approach for color transfer between two images. Our method is unique in its consideration of the scene illumination and the constraint that the mapped image must be within the color gamut of the target image. Specifically, our approach first performs a white‐balance step on both images to remove color casts caused by different illuminations in the source and target image. We then align each image to share the same ‘white axis’ and perform a gradient preserving histogram matching technique along this axis to match the tone distribution between the two images. We show that this illuminant‐aware strategy gives a better result than directly working with the original source and target image's luminance channel as done by many previous methods. Afterwards, our method performs a full gamut‐based mapping technique rather than processing each channel separately. This guarantees that the colors of our transferred image lie within the target gamut. Our experimental results show that this combined illuminant‐aware and gamut‐based strategy produces more compelling results than previous methods. We detail our approach and demonstrate its effectiveness on a number of examples.     

Automatically improving image quality using tensor voting

A novel corrupted region detection technique based on tensor voting is proposed to automatically improve the image quality. This method is suitable for restoring degraded images and enhancing binary images. First, the input images are converted into layered images in which each layer contains objects having similar characteristics. By encoding the pixels in the layered images with second-order tensors and performing voting among them, the corrupted regions are automatically detected using the resulting tensors. These corrupted regions are then restored to improve the image quality. The experimental results obtained from automatic image restoration and binary image enhancement applications show that our method can successfully detect and correct the corrupted regions.     

数字图像盲取证对样本合成修复应用的篡改区域检测算法

提出了一种图像盲取证算法, 用于检测利用样本合成修复技术制作的伪造图像. 该算法采用零连通特征来描述修复技术导致的图像块之间异常的相似性, 然后构建升半梯形隶属函数将该相似性特征转换成块属于篡改块的模糊隶属度, 通过截集划分并结合高隶属度块的位置信息, 进行伪造图像的检测和篡改区域的定位. 实验结果表明该算法能够有效区分自然图像和修复伪造图像, 并可进一步定位图像的篡改区域.     

改进的毫米波复数网络稀疏成像算法

针对基于压缩感知的重构方法耗时巨大的问题,从信号恢复的角度提出了一种基于深度学习方法的稀疏成像方案。首先,构建基于复数卷积的U-Net网络。其次,将欠采样信号输入网络得到满采样信号。最后,使用距离维脉压的二维匹配滤波算法重构出目标。实验建立在不同稀疏度和不同采样间隔下的欠采样仿真数据集中,并与传统和最近的信号处理方法进行对比。再使用实测数据进行验证,实验结果表明该算法在重构耗时以及图像平均梯度上具有更好的表现。     

基于位平面颜色直方图的图像检索新方法

为了解决现有颜色直方图检索技术所存在的鲁棒性较差、特征维数过高等问题,本文提出了一种基于位平面颜色直方图的图像检索新方法.该方法首先结合噪声攻击特点(对高位影响较小),提取出重要的位平面图像并确定其视觉权值;然后构造出位平面图像颜色直方图;最后以位平面图像颜色直方图为特征,计算图像间内容的相似度并进行检索.仿真实验表明,本文方法不仅能够准确检索出用户所需图像,而且对光照、锐化、模糊等噪声攻击均具有较好的鲁棒性.