基于Rényi熵图的医学图像自动弹性配准

提出一种基于Rényi熵最小生成图和multi-quadric径向基函数的医学图像自动弹性配准方法。应用图像金字塔的思想,对图像分层分块,将Rényi熵最小生成图作为相似性测度对子块进行配准,在对应的子块中选取对应的标记点,用multi-quadric径向基函数插值这些标记点,从而实现医学图像弹性配准。实验结果表明,该方法配准速度较快,精度较高,是一种有效的自动弹性配准方法。     

基于多分辨率策略的弹性配准方法

提出了一种基于多分辨率策略的医学图像弹性配准方法.首先通过使用多分辨率C-V模型来加快边界提取的速度,接着采用模拟退火结合薄板样条插值的方法来配准边界点.为了增强边界点配准算法的鲁棒性和速度,在退火过程中使用多分辨率策略来构造点集数据.最后利用薄板样条插值函数完成弹性变换.实验结果表明,算法对于大形变的情况依然具有很好的效果.     

混合样条大尺度医学图像弹性配准算法研究*

针对大尺度形变医学图像配准速度慢和精度低的特点,提出一种结合薄板样条(TPS)和B样条的弹性配准方法。该方法采用尺度不变特征变换算法(SIFT)进行图像特征提取与匹配,利用TPS算法将特征点对作为输入进行预处理,以降低浮动图像的形变尺度,从而提高下一步B样条配准的速度与精度。然后使用局部区域细化层次B样条方法将TPS生成的较稀疏的形变网格作为初始网格,结合有限记忆优化算法(L-BFGS)对控制网格做进一步地处理,此过程只对形变较大的局部区域进行细化,以实现与参考图像的快速精确配准。实验结果表明,该方法较层次B样条方法有效地提高了配准的速度和精度。     

基于特征分类的MRI医学图像弹性配准

基于互信息的弹性图像配准是医学图像配准的重要方法之一。然而由于互信息在小样本图像配准中,会出现多局部极值和极值偏离问题,从而容易出现配准误差,进而造成整图的弹性配准误差。为减少这种配准误差,提出了一种基于特征分类的互信息医学图像弹性配准方法。该方法先采用图像的灰度和梯度特征训练自组织映射(self-organized mapping,SOM)神经网络特征分类器,将图像由高维灰度空间映射到低维特征类别空间;然后,在特征类别空间进行互信息图像弹性配准。实验结果表明,该方法大大提高了小样本图像配准的成功率,并可通用于有噪和无噪的医学图像弹性配准中。     

基于B样条的弹性点配准方法

为了更好地进行图像弹性点的配准,提出了一种利用Hausdorff距离测度的弹性点配准方法。该方法以B样条为弹性形变模型,并具有较强的抵御杂点影响的能力。在此基础上又提出了序贯更新策略,即通过将源图像和控制点网格进行分块的方法来序贯更新弹性配准参数,从而进一步提高了算法的运算速度。为验证该方法的配准效果,采用该方法进行了合成图像、手写字体和脑部MRI图像的弹性配准实验。实验结果表明,该方法在基于特征的弹性配准应用中具有较好的使用效果。     

基于活动轮廓模型的脑部医学图像弹性配准

针对传统互信息弹性配准方法在医学图像应用上计算量大、处理速度慢的问题提出了一种基于活动轮廓模型(CVL-BFGS)医学图像配准方法。该算法结合了图像局部轮廓信息和全局变化信息,通过提取图像的边缘轮廓,可以有效地挖掘轮廓信息,并克服了弹性配准算法容易陷入局部极值问题,使图像配准的结果更加稳定。同时该算法为全局互信息配准提供一个通过局部配准得到的更优初始值,从而降低了整体配准的迭代次数,提高图像配准效率,并证明了该算法的鲁棒性和有效性。     

迭代最近点算法的改进策略

迭代最近点（Iterative Closest Point, ICP）算法是一种最为常见的点云配准方法，虽然配准精度高，但收敛速度慢，对含噪声、覆盖率较低点云的配准效果不佳。鉴于此，本文提出3种ICP算法的改进方法。针对含噪声的点云，采用概率ICP算法来抑制噪声点对配准结果的影响，提高配准精度；为了提高点云配准速度，采用坐标ICP算法实现点云的快速配准；针对低覆盖率点云，采用盒子ICP算法实现配准，可以大大提高配准精度和速度。通过兔子点云配准实验表明，3种改进的ICP算法在点云配准精度和速度方面都有很大程度的提高，均为有效的点云配准方法。     

改进的基于小波变换的图像配准方法

针对如何提高图像配准的精度和速度的问题,利用基于Fourier-Mellin变换求解水平参量的准确性和基于互信息方法求解旋转及尺度变换参量准确性的优点,提出一种基于Fourier-Mellin和互信息的图像配准金字塔方法。对多幅遥感图像的实例仿真结果表明,该方法能在提高配准精度的同时减少配准时间。     

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。     

医学图像配准中的一种互信息快速计算方法

基于互信息的医学图像配准,可以达到亚像素级精度且无需提取图像的解剖特征,是一种高精稳健的配准方法。但其中频繁的互信息计算使配准速度很慢,不能满足临床的实时要求。提出一种基于统计直方图灰度压缩的互信息加速计算方法,能显著减少灰度级,加快互信息计算,从而加快配准速度。实验表明,该方法能在不影响配准精度的前提下显著缩短配准时间。     

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。     

一种基于混合优化算法的医学图像配准方法

为了实现脑部多模医学图像配准,提出了一种基于混合优化算法的配准方法。该算法采用遗传算法中的杂交思想改进了混沌粒子群算法,并用最大互信息测度对脑部MRI及CT图像进行配准。该改进算法可有效地避免优化算子陷入局部极值,而且算法收敛快。实验结果证明了提出的基于遗传思想的改进混沌粒子群优化算法对多模医学图像配准具有有效性。     

基于小波的遥感图像全局配准算法研究及其并行实现

随着遥感技术的发展,遥感图像处理领域对自动图像配准技术的需求越来越迫切. 首先提出了点匹配和全局配准相结合的自动图像配准算法;从实现快速配准的途径出发，提 出了利用多分辨率小波缩小搜索空间及进行全局配准的自动算法;详细设计了逐级求精的搜 索策略,并比较总结了算法的特点;在此基础上,提出了两种可行的数据并行方案;最后在一 个小规模的机群系统上实现了上述串、并行算法,给出了客观的性能评价.实验结果表明文 中提出的算法达到了预期的目标,即针对多传感器、大数据量的遥感图像,在保证精度的前 提下,进行快速高效的自动配准.     

Localization of an unmanned ground vehicle based on hybrid 3D registration of 360 degree range data and DSM

A computer vision technique to identify the location of an outdoor unmanned ground vehicle (UGV) is presented. The proposed technique is based on hybrid 3D registration of 360 degree laser range data to a digital surface model (DSM). Range frames obtained from 48 laser detectors are aligned with the reference coordinate system of the DSM. Three novel approaches are proposed for accurate and fast 3D registration of range data and the DSM. First, a two-step hybrid 3D registration technique is proposed. A pair-wise registration step of two consecutive range frames is followed by a refinement step using a layered DSM. Second, a fast projection-based pair-wise registration is proposed by employing rasterized 360 degree range frames. Third, a high elevation DSM is divided into several elevation layers and correspondence search is done near the vehicle’s current elevation. This reduces the number of matching outliers and facilitates fast localization. Experimental results show that the proposed approaches yield better performance in 3D localization compared to conventional 3D registration techniques. Error analysis on five outdoor paths is presented with respect to ground truth.     

文物点云模型的优化配准算法*

目的 针对带有噪声的文物点云模型,采用一种由粗到细的方法来实现其断裂面的精确配准。方法 首先采用一种变尺度点云配准算法实现粗配准,即配准测度函数的尺度参数由大到小逐渐变化,可避免算法陷入局部极值,并获得较高精度的初始配准结果。然后采用基于高斯概率模型的改进迭代最近点(iterative closest point, ICP)算法进行细配准,可以有效地抑制噪声对配准结果的影响,实现断裂面的快速精确匹配。结果 采用兵马俑文物碎块的配准结果表明,该优化配准算法能够实现文物断裂面的精确配准,而且在细配准阶段取得了较高的配准精度和收敛速度。结论 因此说,该优化配准算法是一种快速、精确、抗噪性强的文物点云配准方法。     

一种鲁棒的城市复杂动态场景点云配准方法

针对城市道路环境中面临的动态目标繁多、遮挡严重、以及GPS （全球定位系统）误差较大的问题,提出了一种无需检测动态目标且可以适应不同初始位置误差的快速、鲁棒的配准方法.首先,使用区域生长方法对去除地面的障碍物点云进行目标分割,并通过设定约束条件优化分割效果,生成点云的目标重心点集合;然后,提出了一种多层嵌套的RANSAC （随机抽样一致性）算法架构,迭代地更新配准结果,实现重心点集的粗配准并去除外点;最后,利用ICP （迭代最近点）进行点云的精确配准.与传统RANSAC方法的对比实验表明,该方法能够在复杂的动态场景和较大的初始位置误差下完成精确可靠的点云配准,且其配准成功率和配准速度明显高于传统方法.     

IMS中一种快速的用户重注册过程

针对IMS(IP Multimedia Subsystem)中已注册用户的重注册过程,提出了一种改进的快速重注册方法.由于已注册用户的UE(User Equipment)已经记录归属地S-CSCF(Serving-Call Session Control Function)的地址信息,因此在重注册过程中,通过在REGISTER消息中携带S-CSCF的路由信息,让REGISTER消息直接从拜访地的P-CSCF(Proxy-Call Session Control Function)转发到归属地的S-CSCF,可以有效地减少重注册延时.分析结果显示,改进的快速重注册过程要优于标准重注册过程和已有的一些改进过程.同时,它对网络的改动较小,容易实现.     

基于VoxelMorph的可见光和红外遥感影像配准

由于可见光和红外的成像机理、成像波段不同,获取的遥感影像之间存在复杂的非线性辐射畸变,传统的配准方法难以实现两者的高精度配准。本文提出一种基于VoxelMorph的可见光和红外遥感影像配准方法,利用卷积神经网络对可见光和红外异源图像进行分步的精细化形变场计算,从而实现快速高精度配准。将可见光图像作为参考图像,利用U-Net网络计算待配准红外图像和参考（可见光）图像的形变场,实现全局对齐的仿射变换,然后通过空间转换网络进一步实现更高自由度变形。采用WHU-OPT-SAR数据集的实验结果表明,与基于尺度不变特征变换（SIFT）算法的传统配准方法相比,本文提出的基于VoxelMorph配准方法可以获得更好的配准效果,验证了基于VoxelMorph的配准方法在多源遥感影像领域的有效性。     

基于SURF与光流法的增强现实跟踪注册

提出一种基于SURF与光流法相结合的增强现实局部跟踪注册方法。采用光流法对移动对象区域进行跟踪,利用SURF算法仿射、尺度不变性及运算速度快的优点对该区域进行特征提取与匹配,利用相邻帧之间特征点的匹配关系求得三维注册矩阵,在保持注册精确性的同时降低了系统运算时间。实验结果表明该方法达到了实时跟踪与准确注册的效果,并且在环境变化时保持了较好的鲁棒性。     

A coarse-to-fine image registration method based on visual attention model

Image registration is fundamental and crucial to remote sensing. However getting highly accurate registration performance automatically and fast for large-field images consistently is a challenge. As a work around to this problem, we propose a new image registration concept based on visual attention in this paper. This concept employs the advantages of feature-based or area-based methods to improve the precision and efficiency of image registration. The key concept of proposed integrated scheme is to make optimum use of the highly prominent details in the full scene by means of visual attention computational mechanism. To testify the validation, comparisons with other classical methods are carried out on real-world images. The experimental results show that the proposed method can effectively perform on multi-view/multi-temporal remote sensing images with outstanding precision and time saving performance.