基于边缘信息的快速配准算法

为了实现快速、高精度的图像配准,首先利用LOG算子提取图像边缘信息,然后利用Freeman码,并定义了一种边缘轮廓间的相似性度量,找到两幅图像中对应的边缘轮廓,最后在矩不变量思想的基础上定义了一种矩中心点,利用矩中心点之间的对应关系实现了高效率、高精度的图像配准。通过实验,证实了该算法的快速性和准确性。     

基于空间关系一致性的图像自动配准方法

提出了一种基于空间关系一致性的图像自动配准方法,处理具有全局仿射变换的图像配准问题.首先利用Mcan-shift算法和区域标记算法从参考图像和待配准图像中提取区域特征作为配准基元;然后采用高斯函数平滑后的区域特征重心点坐标之间的欧式距离描述匹配特征的空间关系一致性,从而定义一个以匹配矩阵为自变量的空间关系一致性度量函数,使它在两幅图像的最佳配准位置达到最大值,将图像配准问题转化为一个最优化问题;最后利用一个局部选代优化算法求解.高斯函数的方差是度量函数中惟一的预设参数,但它对优化求解的结果基本没有影响,在实际中容易设定,保证了方法的自动性、稳健性和适应性.实际图像的实验结果表明本文方法能有效解决具有全局仿射变换的图像配准问题.     

基于边缘最优映射的红外和可见光图像自动配准算法

针对同一场景的红外和可见光图像间一致特征难以提取和匹配的难题, 提出了一种在多尺度空间中基于边缘最优映射的自动配准算法. 在由粗至细的尺度空间中, 算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换模型. 在每个尺度层上, 首先基于相位一致性方法提取两幅图像的边缘结构, 并在相应的空间变换模型下将在待配准图像中提取的二值边缘映射到参考图像的边缘强度图上; 接着采用并行遗传算法寻找一组全局最优的模型参数, 使两幅图像间的结构相似度最大. 在各层的寻优结束之后, 使用Powell算法对全局寻优后的模型参数进行局部精化. 实验结果表明, 该算法能够充分利用图像间的视觉相似结构, 有效地实现红外和可见光图像的自动配准.     

基于二维Gabor小波变换的角点匹配算法

图像配准研究的核心问题在于提高配准的速度和精度,而图像配准的结果主要取决于特征的匹配精度。为了提高特征匹配精度,本文提出了一种基于二维Gabor小波变换的角点匹配算法。该算法首先采用改进的Harris角点检测方法提取角点,得到角点位置的坐标,利用多个二维Gabor小波模板对参考图像和待配准图像进行滤波,从滤波图像中提取角点坐标处的复Gabor小波系数,并以此作为角点的特征描述,然后引入两种相似性度量因子对角点进行匹配。通过对不同图像进行大量的实验,该算法在选择合适的参数,同时采用最长公共子序列度量因子的情况下,能成功提取较多的同名点对,并且能够取得较高的匹配率。     

基于Radon变换与功率谱结合的心脏MR图像配准算法

针对心脏磁共振(MR)序列切片图像,设计了一种基于Radon变换和功率谱结合的图像配准算法。首先采用形态学边缘检测等图像预处理技术,提取出图像的边缘特征,并将其作为后续配准的输入;而后利用Radon变换和功率谱相结合的配准方法依次求出待配准图像的缩放、旋转和平移参数,利用这3个配准参数,即可通过配准变换得到配准结果。该方法解决了单纯利用Radon变换求解旋转参数易受图像空域噪声影响的问题,提高了配准的精度,同时大大减少了计算的花费。对100幅MR序列切片图像进行配准的实验表明,该方法能够稳定准确地实现MR序列图像的配准。     

基于边缘特征和Keren算法的图像配准

为获得高精确度、高稳定度的岩心配准图像,提出利用Sobel算子提取图像边缘并结合keren算法的图像配准方法。该方法首先提取参考图像和待配准图像边缘,接着对边缘图像进行高斯金字塔分解,最后,利用keren改进算法实现由粗到细的岩心图像配准。实验结果表明该算法与Keren算法相比,在小角度下都有较高的配准精度,大角度旋转情况下该方法绝对误差明显降低,且在大角度旋转下平移参数和角度参数分别可获得0.1个像素以下和0.1度以下的绝对误差精度,提高了岩心配准精度。     

一种基于边缘和MIC算子的医学图像配准

研究基于点特征的图像配准方法。首先利用canny算子提取图像的边缘,然后用MIC角点检测算子提取边缘中的角点,对提取出的角点进行配对后,利用仿射变换实现图像的配准。最后以脑图像配准验证了算法的有效性。     

一种新的基于图像主轮廓的配准算法

文中提出了一种新的图像配准方法,可以很好解决图像配准中的平移和旋转问题(刚性变换问题)。算法的实现是首先得到待配准两幅图像的轮廓特征点(本文使用SUSAN边缘检测算法);再剔除虚假的特征点(噪声点)后,根据像素间的连通性判别准则,得到图像的主轮廓;最后以两幅图像的主轮廓信息,配准图像。实验证明,算法实现速度快,精度较高。     

利用风格迁移和特征点的多模态图像配准算法

由于多模态遥感图像在光谱成份上存在巨大的差异,传统图像配准算法在该类图像的配准中正确率非常低。针对这一难题,提出了一种利用风格迁移和特征点的图像配准算法。首先,利用卷积神经网络对基准图像的风格特征以及待配准图像的内容特征进行抽取并重新组合,得到一幅与基准图像差异性较小的生成图像;其次,通过图像分割的方法分离出待配准图像中没有明显纹理信息的部分,清除生成图像中多余的纹理;最后,使用加速鲁棒性特征(speed up robust features,SURF)算法提取特征点,进行图像配准。实验结果表明,与传统图像配准算法相比,该方法有效提高了多模态遥感图像配准的正确率和鲁棒性。     

基于SIFT和改进的RANSAC图像配准算法

为解决RANSAC算法迭代次数过多导致图像配准精确率不高的问题,提出了一种改进的RANSAC图像配准算法。首先将参考图像和待配准图像进行NSCT变换分解成低频子带和高频子带。然后对高频子带运用矢量夹角算法和结构相似性（SSIM）来提取图像边缘特征点,对低频子带运用SIFT算法并设定合适的距离阈值来提取特征点。最后利用改进的RANSAC算法提高特征点匹配精度,选择出精匹配点对,实现图像配准。实验结果表明,该算法能有效地找到较多的匹配点对,准确地去除误匹配点对,明显地提高了配准精确度。     

基于信息测度特征和Hausdorff距离的图像匹配策略

由于传统的图像匹配方法受到诸如景物的遮挡、光照和噪声的影响比较大，并且需要建立模板与图像间的对应关系，因而使实际图像的匹配变得困难。为了克服上述缺陷，以便快速地进行图像匹配，通过引入信息测度概念来提取边缘特征点，并基于修正后的：Hausdorff距离构造相似性测度，提出了一种基于信息测度和：Hausdorff距离的图像匹配策略。该策略不仅加快了匹配过程，提高了抗噪性能，而且能准确匹配遮挡图像，从而较好地解决了基于传统Hausdorff距离的图像匹配因噪声点、伪边缘和出格点而造成的误匹配问题。实验结果证明，该方法是正确有效的。     

一种鲁棒型Hausdorff距离图像匹配方法

图像匹配是图像处理的一项关键技术,传统方法受光照、噪声和遮挡的影响,使匹配过程变得困难。为了提高图像匹配的鲁棒性,提出了一种基于方向信息的鲁棒型Hausdorff距离匹配方法。该方法采用方向信息提取图像边缘,通过计算边缘匹配率(edge matching rate,EMR)获得候选匹配区域,然后采用修正后的Hausdorff距离构造相似性测度。实验结果表明,该方法加快了匹配过程,提高了抗噪性能,并能够准确匹配含有遮挡和伪边缘点的图像,从而解决了基于传统Hausdorff距离匹配方法因噪声点、伪边缘点和出格点而造成的误匹配问题。     

Hybrid image matching combining Hausdorff distance with normalized gradient matching

Image matching has been a central problem in computer vision and image processing for decades. Most of the previous approaches to image matching can be categorized into the intensity-based and edge-based comparison. Hausdorff distance has been widely used for comparing point sets or edge maps since it does not require point correspondences. In this paper, we propose a new image similarity measure combining the Hausdorff distance with a normalized gradient consistency score for image matching. The normalized gradient consistency score is designed to compare the normalized image gradient fields between two images to alleviate the illumination variation problem in image matching. By combining the edge-based and intensity-based information for image matching, we are able to achieve robust image matching under different lighting conditions. We show the superior robustness property of the proposed image matching technique through experiments on face recognition under different lighting conditions.     

Maximum-likelihood image matching

Image-matching applications, such as tracking and stereo, commonly use the sum-of-squared-difference (SSD) measure to determine the best match. However, this measure is sensitive to outliers and is not robust to template variations. Alternative measures have also been proposed that are more robust to these issues. We improve upon these using a probabilistic formulation for image matching in terms of maximum-likelihood estimation that can be used for both edge template matching and gray-level image matching. This formulation generalizes previous edge-matching methods based on distance transforms. We apply the techniques to stereo matching and feature tracking. Uncertainty estimation techniques allow feature selection to be performed by choosing features that minimize the localization uncertainty     

基于直线间结构信息的立体视觉图像动态匹配方法

针对立体视觉匹配问题，介绍一种改进的动态规划图像匹配方法，它将边缘直线相似测度分为局部相似测度和全局相似测度，在后者中加入图像边缘直线之问的结构关系信息，并在动态搜索最优匹配路径的过程中利用结构关系约束删除不合理的匹配路径。仿真实验结果证明，采用该方法解决立体视觉中边缘线段的匹配问题，不仅提高了匹配的准确率，而且大大减少了匹配时间。     

一种基于雾天图像增强的SURF图像匹配方法

在地质灾害监测系统中,可以通过图像的变化检测对发生的灾害进行监测。要精确地进行变化检测,需要首先对图像进行匹配。针对雾天图像匹配精度低的问题,提出了一种基于雾天图像增强的SURF（Speed Up Robust Feature）图像匹配方法,有效地提高了雾天图像的匹配精度。用MSR（Multi Scale Retinex）算法对雾天图像进行增强处理,采用SURF算法完成特征点的提取,用欧式距离来度量特征点的相似度,根据相似三角形的距离比例不变性删除误匹配的点对。实验结果表明,该方法显著提高了图像特征点的匹配精度,为后续利用图像变化检测进行灾害监测提供了良好的基础。     

基于改进的边缘直方图的图像检索方法

利用边缘直方图检索图像,因为人眼并不敏感的细微边缘也参与匹配,所以会影响检索效果。文中提出了一种改进的基于边缘直方图的检索方法,通过阈值把图像分割成目标和背景,利用梯度算子提取目标和背景之间的主要的边缘信息,避免了目标内部或背景内部的细微边缘的影响,更符合人眼的视觉特性。实验结果表明,其检索效果优于基于边缘直方图的方法。     

复杂地面目标前视红外景象匹配算法*

针对复杂地面目标前视红外图像边缘模糊、背景杂乱无章,无直接可用的同源基准图的情况,研究了一种灰度与形状特征相结合的由粗到精景象匹配算法。在粗匹配阶段,将积分图像引入归一化积相关算法中,并对其计算公式进行了近似,使运算速度大大加快;精匹配阶段,利用实时图与所制备基准图形状相似的特点,采用形状上下文进行匹配。实验结果显示,该算法匹配精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。     

一种基于鲁棒Hausdorff距离的目标匹配算法

在传统的基于边缘位置的Hausdorff距离匹配的基础上,将边缘的梯度信息引入到距离度量当中,构造了一种新的三维距离函数。在此基础上,提出了一种鲁棒的三维Hausdorff距离及其目标匹配算法,采用粗匹配与精匹配相结合的两步匹配策略有效解决了由距离度量维数增加所导致的算法复杂性增大的问题。实验表明,该算法相对于传统的基于边缘位置的Hausdorff距离目标匹配算法在鲁棒性上有很大的提高。