基于角点特征和最大互信息的图像配准

基于互信息的配准方法是图像配准领域的重要方法。互信息是图像配准中常用的相似性度量,具有鲁棒、精度高等优点,但基于互信息的配准计算量大,制约了它的实际应用。文章提出一种基于角点和最大互信息配准方法:首先采用间接算法来计算曲率的极大值点,从而能快速准确的提取角点集;接着计算两幅图像角点集间的互信息,最后通过POWELL算法搜索使互信息最大以实现配准。实验表明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性。     

一种多光谱和SAR遥感图象的配准方法

针对现有配准方法在用于多光谱图象与ＳＡＲ遥感图象配准时,存在受ＳＡＲ图象斑纹噪声影响大,手工选取配准控制点（ＲＣＰ）精度低,利用图象景物特征配准时获取区域和边沿困难等缺点,以Ｌａｎｄｓａｔ ＴＭ图象与ＪＥＲＳ－１ ＳＡＲ图象配准为例,提出了一种利用分类图象形成的二值图象相关寻求配准控制点,并应用表面样条插值以提高ＲＣＰ精度的多光谱与ＳＡＲ感图象配准方法。由于在ＳＡＲ图象分类中利用了斑纹噪声的纹理特     

基于最大互信息和相关法的医学图象配准

本文提出了一种医学图象配准的方法,该方法分两步第一步采用搜索最大互信息的方法对图象做粗配准,使得参考图象与待配准图象大致一致;第二步采用快速相关法对图象做精细配准,从而获得医学图象的最优配准.由于此种算法具有良好的扩展性,所以既可用于多模医学图象的配准,也可用于单模医学图象的配准.     

基于Harris角点和最大互信息的多模医学图像配准

介绍了一种基于最大互信息原理的图像配准技术.针对基于最大互信息图像配准的不足,研究了基于Harris角点算子的多模态医学图像配准.在计算互信息的时候,采用部分体积插值法计算联合灰度直方图.在优化互信息函数的时候,采用了改进的遗传算法将配准参数收敛到最优值附近.实验结果表明,该方法具有较高的配准精度和稳定性.     

基于归一化互信息与模糊自适应PSO的图像自动配准方法

提出了一种基于归一化互信息相似性判据,并采用模糊自适应粒子群优化算(particle swam optimization,PSO)作为搜索策略的图像自动配准方法.由于互信息方法不能解决图像缩放的问题,该方法在计算图像互信息之前,先对图像进行尺寸相同化操作;同时针对互信息方法中目标函数易陷入局部极值及搜索速度慢的问题,该方法采用归一化互信息作为相似性准则,并提出以模糊自适应PSO算法作为优化策略来提高配准速度和精度的方法.实验表明,采用归一化互信息作为配准测度,可提高配准的鲁棒性,而且,引入了模糊推理机之后,配准效率得到大幅提高,用该方法对具有仿射变换的图像进行配准能得到快速、精确的配准结果,证明了该算法的可行性和有效性.     

基于SIFT与互信息筛选优化的遥感影像配准

针对多源多尺度影像配准中存在误匹配率较高和配准精度较低的问题,提出了一种基于（Scale-Invariant Feature Transform SIFT）与互信息筛选优化的影像配准算法。首先,采用SIFT算法进行特征点提取,通过快速最近邻逼近搜索（Fast Approximate Nearest Neighbors Search Library,FLANN）算法完成待配准影像的粗匹配,其次,在初始匹配点周围建立4×4邻域,计算匹配点之间的互信息值,对互信息值较小的匹配点进行剔除,寻求筛选优化后的最优变换矩阵,最后输出与基准影像互信息值最大的配准后影像作为最佳配准结果。实验结果表明：该方法与SIFT算法相比可以有效地剔除误匹配点并提高了配准精度。该方法可以应用于多源多尺度遥感影像配准,能够有效地提高配准精度。     

基于小波分解和互信息的图像配准方法

根据小波分解和互信息测度的原理,提出一种快速的图像配准方法。首先,对原图像进行小波分解,在保证配准精度下对分解图像进行灰度压缩,以减少配准参数的计算量,并利用最大互信息准则和下降单纯形的搜索策略找到最优配准参数实现图像配准。实验结果表明,这种图像配准方法能在保证配准精度条件下,提高配准的速度。     

基于联合直方图区域计数的时间序列图象自动配准方法

时间序列图象的配准是医学临床科研、诊断和治疗中图象应用的必要步骤。为了快速、准确、简便地进行医学序列图象配准，提出了一种新的用于时间序列图象自动配准的方法，该方法利用了图象的联合直方图，首先通过对图象做简单的阈值分割，将联合直方图划分为4个区域，然后根据不同的配准图象数据选择定义在不同区域上的计数值作为参数计算的准则函数。该方法设计简单、巧妙，以计数方法代替其他方法中大量的浮点运算。由于准则函数具有良好的光滑特性，且选择Powell算法做最优化搜索，因此保证了优化结果的准确性。和其他算法相经，该方法大大简化了准则函数的计算，从而显著提高了配准优化搜索的速度。根据实验结果及基于互信息量方法做的对比，证明本文提出的方法准确、简便、快速、有效。     

基于互信息和二级搜索的图像配准

基于互信息的图像配准方法,已经广泛应用于图像配准领域.但互信息图像配准方法容易受到局部极值的干扰,难以得到最优解.对互信息图像配准中互信息的表征、图像插值方法以及优化搜索算法三个要素做了探讨,尤其针对常用的Powell搜索算法的不足,提出了基于互信息和二级搜索的图像配准算法.该算法以标准互信息为图像相似测度,利用PV插值法平滑搜索空间,采用Simplex算法进行一级粗配准,采用Powell算法进行二级精配准.仿真结果表明,二级搜索配准算法能够有效地克服局部极值,提高计算速度,用于大差异图像配准.     

基于灰度互信息和梯度相似性的医学图像配准及其加速处理

研究基于归一化互信息的医学图像刚性配准算法,提出改进配准速度和改善配准精度的相应措施．配准处理包含3项主要计算处理,即空间变换、互信息计算以及优化搜索．针对不同计算处理分别研究了相应加速策略,提高其计算速度,实现三维体数据的快速配准．并且,针对传统基于互信息测度配准方法未利用图像灰度空间分布信息,提出将灰度变化梯度相似性与互信息相结合的配准方法,从而进一步提高了配准算法的精度和鲁棒性．实验结果表明了算法的有效性．     

基于改进梯度向量流与最大互信息的图像配准

基于最大互信息的多模医学图像配准已成为医学图像处理领域的热点.低阶互信息仅关注灰度的统计特性,忽略了空间信息,因此采用图像梯度向量流的空间信息与最大互信息组合的方法来实现医学图像配准.实验表明,该方法可以大大提高配准速度和精度,降低误配准率.     

基于互信息的N维多模医学图像配准

目前多模医学图像配准都定位在两幅图像配准的研究,很少涉及N维(3维及3维以上)图像的配准.当用扩展的N维互信息测度(E-NMIM)进行多个图像配准时,不能保证互信息(MI)值的非负性,并且运算速度慢,达不到临床要求.本文提出一种新的N维互信息测度(N-NMIM),不仅保证了MI值的非负性,而且在[1,2]有界范围内,也提高了配准的速度.通过腰椎部位的CT,T1加权的MRI和T2加权的MRI图像进行实验,验证了这种配准方法的有效性.     

基于互信息多步骤优化的医学图像配准

提出了一种新的基于互信息(Mutual Information, MI)的多步骤优化的配准方法。计算输入图像的梯度值，减少了图像的内在信息而使轮廓更为清晰。设计了多步骤的配准框架，优化了配准的收敛过程，使用完整的图像进行有限次的传统配准方法的微调，以实现高精度。为了验证该方法的有效性，分别使用单模、多模和时间序列的方法对临床医学数据进行了实验，与传统的MI配准方法相比，基于互信息的多步骤优化的配准方法具有更高的有效性和精确度。     

基于互信息和随机优化的超光谱遥感图像配准

精确的谱间配准是从超光谱遥感图像中获取光谱信息的基本前提之一。而谱间配准的主要困难在于宽的成像光谱范围使波长间隔远的图像缺乏相似性, 超光谱图像本身海量的数据也限制了配准算法的复杂性。提出了一种结合互信息和随机优化技术的多分辨率配准方法。该方法采用互信息作为相似性测度, 能很好的适应超光谱图像光谱特征的变化; 二阶同步试探随机逼近(2SPSA )算法的应用, 解决了互信息的多变量优化问题; 通过一种具有平移和旋转不变性的小波分解实现算法的多分辨率形式, 能明显加快算法的收敛速度并保证搜索结果的全局最优性。实验结果表明该算法适用于配准波长范围很宽的超光谱图像, 并能达到子像素的配准精度。     

Multimodality image registration by maximization of quantitative–qualitative measure of mutual information

This paper presents a novel image similarity measure, referred to as quantitative–qualitative measure of mutual information (Q-MI), for multimodality image registration. Conventional information measures, e.g., Shannon's entropy and mutual information (MI), reflect quantitative aspects of information because they only consider probabilities of events. In fact, each event has its own utility to the fulfillment of the underlying goal, which can be independent of its probability of occurrence. Thus, it is important to consider both quantitative (i.e., probability) and qualitative (i.e., utility) measures of information in order to fully capture the characteristics of events. Accordingly, in multimodality image registration, Q-MI should be used to integrate the information obtained from both the image intensity distributions and the utilities of voxels in the images. Different voxels can have different utilities, for example, in brain images, two voxels can have the same intensity value, but their utilities can be different, e.g., a white matter (WM) voxel near the cortex can have higher utility than a WM voxel inside a large uniform WM region. In Q-MI, the utility of each voxel in an image can be determined according to the regional saliency value calculated from the scale-space map of this image. Since the voxels with higher utility values (or saliency values) contribute more in measuring Q-MI of the two images, the Q-MI-based registration method is much more robust, compared to conventional MI-based registration methods. Also, the Q-MI-based registration method can provide a smoother registration function with a relatively larger capture range. In this paper, the proposed Q-MI has been validated and applied to the rigid registrations of clinical brain images, such as MR, CT and PET images.     

Interpolation Artefacts in Mutual Information-Based Image Registration

Image registration requires the transformation of one image to another so as to spatially align the two images. This involves interpolation to estimate gray values of one of the images at positions other than the grid points. When registering two images that have equal grid distances in one or more dimensions, the grid points can be aligned in those dimensions for certain geometric transformations. Consequently, the number of times interpolation is required to compute the registration measure of two images is dependent on the image transformation. When an entropy-based registration measure, such as mutual information, is plotted as a function of the transformation, it will show sudden changes in value for grid-aligning transformations. Such patterns of local extrema impede the registration optimization process. More importantly, they rule out subvoxel accuracy. In this paper, two frequently applied interpolation methods in mutual information-based image registration are analyzed, viz. linear interpolation and partial volume interpolation. It is shown how the registration function depends on the interpolation method and how a slight resampling of one of the images may drastically improve the smoothness of this function.     

Mutual information matching in multiresolution contexts

Image registration methods based on maximization of mutual information have shown promising results for matching of 3D multimodal brain images. This paper discusses the effects of multiresolution approaches to rigid registration based on mutual information, aiming for an acceleration of the matching process while maintaining the accuracy and robustness of the method. Both standard mutual information and a normalized version are considered. The behaviour of mutual information matching in a multiresolution scheme is examined for pairs of high resolution magnetic resonance (MR) and computed tomography (CT) images and for low resolution MR images paired with either positron emission tomography (PET) images or low resolution CT images. Two methods of downscaling the images are compared: equidistant sampling and Gaussian blurring followed by equidistant sampling. The experiments show that a multiresolution approach to mutual information matching is an appropriate method for images of high (sampling) resolution, achieving an average acceleration of a factor of almost 2. For images of lower resolution the multiresolution method is not recommended. The little difference observed between matching with standard or normalized mutual information seems to indicate a preference for the normalized measure. Gaussian blurring of the images before registration does not improve the performance of the multiresolution method.     

基于互信息和模拟退火——单纯形法的多谱段图像配准

不同传感器获得的图像往往没有进行空间配准,或需要融合的图像是传感器在不同时段获得的图像,因此在进行融合之前必须进行图像的配准。论文采用互信息作为相似性测度,同时针对互信息方法目标函数的局部极值问题,选用合适的直方图级数,以降低局部极值,并提出以改进的模拟退火——单纯形算法作为优化策略进行图像配准。实验证明该算法取得了较好的效果。     

基于最大互信息的红外与可见光图像配准

图像配准是图像融合技术的基本环节和首要问题。该文针对红外与可见光两种不同波段图像的配准技术进行了研究,分析了两者配准的特点,并提出了基于最大互信息的配准算法。算法利用Sobel算子对图像进行边缘增强,完成图像的预处理,然后基于仿射变换建立图像变换模型,并按照最大相关原则确定最佳配准参数,从而实现红外与可见光图像的配准。实验结果表明,该方法可以实现红外和可见光图像的配准。