基于投影图像 SURF 特征提取的三维模型配准

针对传统三维模型配准方法存在对点云初始位置有一定要求、模型配准的精度有 时不高等问题,提出了一种基于三维模型投影图像 SURF 特征提取的三维模型配准方法。首先 通过扫描三维模型数据确定投影图像的范围,判断每个投影图像像素所隶属的模型网格,并求 解从投影图像到纹理图像的映射关系,从而获取二维投影图像;然后对这两幅投影图像分别进 行 SURF 特征点的选取与特征值的计算,并按 SURF 特征值进行特征匹配,再根据投影图像像 素点与三维网格端点的映射关系计算三维特征点对;最后通过匹配的特征点对求取模型变换矩 阵完成三维模型的配准。实验结果表明,该方法在配准时间变化不大的前提下,有效提高了配 准精度,并具有较好的鲁棒性。     

基于改进的SURF算子和透视变换模型的图像配准

对于传统的图像匹配算法存在特征信息少、错误匹配率高的问题,提出了一种基于改进的SURF算子和通过透视变换模型的图像配准算法。首先对传统的SURF描述符进行改进来进行特征点检测,然后用FLANN(Fast Library for Approximate Nearest Neighbors)搜索算法对检测出的角点进行粗匹配,再采用随机抽样一致(Random Samples Consensus,RANSAC)算法来消除粗匹配中误匹配的特征点对,最后将保留下来的精确匹配角点通过透视变换模型对图像进行配准。实验表明,该方法在光照、平移和模糊、旋转和尺度、视角变化具有更优的性能,提高了SURF算法的配准精度。     

一种基于SURF的全景图像配准算法

传统的全景图像配准多采用基于SIFT的方法,该方法数据量大、时间效率低。提出了一种基于SURF的全景图像快速配准方法。运用SURF提取特征点,计算特征描述符;运用低时间复杂度的K-D树最近邻搜索法实现特征点快速匹配;利用RANSAC算法剔除误匹配点;最后估计出两幅全景图像的变换矩阵。测试表明:算法具有较高的时间效率和良好的鲁棒性。     

一种基于仿射变换的SURF图像配准算法

传统的SURF算法对仿射变化较大的图像配准效果差。为此,提出了一种仿射-加速鲁棒性特征(Affine-SURF)的图像配准算法,通过增加经度角和纬度角不变特征引入仿射形变参数来模拟图像在不同角度的变形。实验结果表明,与SIFT、SURF、MSER等配准算法相比,该算法能够获得更多特征匹配对,提高了算法对仿射变化的鲁棒性。     

图像配准技术研究

图像配准技术是图像拼接技术最关键的步骤,图像配准的好坏直接决定了图像拼接结果的优劣。对图像配准工作进行了总结,介绍了基于区域的图像配准和基于特征的图像配准方法,并分析了各个方法的优缺点,同时指出了现有图像配准算法存在的问题和发展的方向。     

基于SURF特征的高动态范围图像配准算法

同一场景的多曝光图像序列被广泛的应用于高动态范围图像（HighDynamicRangeImage）的合成中。但是,在多曝光图像序列的采集过程中,相机抖动、场景运动等因素会对合成图像的质量产生较大的影响。此外,离镜头较近的大目标往往由于显著的三维形状,在序列图中产生较大的视差效应,也会对合成图像产生消极影响。该文提出一种基于SURF特征点的三维图像配准算法,实验证明该算法在近距离大目标情形下较之传统配准算法MTB（MeanThresholdBitmap,均值二值化）可以获得更好效果。     

基于SURF的连续帧图像配准及高光去除

物体上的高光直接影响工业检测、模式识别和计算机视觉等领域中后续处理的算法性能。如何检测和消除图像中的高光区域一直是个热点问题。这里介绍了一种基于SURF的连续帧图像配准及高光去除的方法。首先,利用SURF特征检测及其特征描述方法,对连续帧图像进行自动配准;其次,在连续帧图像配准后,对图像进行融合;最后,输出去除高光的图像。实验表明:该方法用于消除或消弱高光区域有比较好的效果,有一定的理论和应用价值。     

基于多视角三维扫描数据的图像配准

三维激光扫描是上世纪90年代发展起来的一门新兴技术。考虑到测量设备测量范围的限制和被测物体外形复杂性等,单次扫描无法获得完整的、精确的模型。从而需要从不同的视点对被测物体进行扫描。一些高精度的扫描仪除了可以获得三维点云数据,还可以获得一种散乱的纹理图像。本文根据纹理映射的原理和逆向工程的思维,将扫描仪得到的点云数据和纹理数据通过一系列步骤提取出图像信息,再利用仿射变换的原理计算出二维投影图像的信息,然后准确地提取出二维投影图像。最后,采用基于SURF特征点提取算法,对提取出的两幅二维投影图像进行了配准。     

基于NSST的多尺度SURF异源图像配准算法

针对To F与可见光异源图像配准效果不佳的问题,提出一种基于非下采样剪切波和尺度不变特征变换改进的异源图像配准算法。首先将To F和可见光图像分解为多尺度图像;然后以多尺度图像和原图像为基础,使用Sift算法进行特征点提取,将提取的特征点进行统一的粗匹配,最后使用RANSAC算法对匹配特征点提纯,进一步筛选特征点,完成配准。实验结果表明,该算法具有较强的鲁棒性。     

基于SURF算法和SC-RANSAC算法的图像配准

提出了一种融合SURF算法和SC-RANSAC算法的图像配准方法。首先利用SURF算法提取待匹配图像的特征, 然后用最近邻方法找出匹配点, 最后运用SC-RANSAC算法剔除错误的匹配点, 实现图像的正确配准。实验结果表明, 该方法在保持较高的特征点正确匹配率的前提下, 配准速度高于SURF和RANSAC相结合的方法和SIFT和RANSAC相结合的方法。     

基于改进的弹簧质子模型的医学图像配准

提出基于改进的弹簧质子模型的图像配准算法.通过将基于模板图像、源图像的SDD测度关于质子偏离场的Gateaux导定义为模型外力,将图像配准问题转换成力学平衡问题.针对模型演化过程中出现的网格重叠问题(即不拓扑保形),提出通过实时修改质子运动速度,而不是添加力的方法,保证模型演变具备拓扑保形性;为提高模型收敛速度,进一步将分层策略应用于模型演化过程中.若干的实验结果说明作者的工作是有意义的.     

基于加速鲁棒特征的眼底图像配准改进方法

为保证眼底图像配准精度,同时降低时间损耗,提出一种改进的基于加速鲁棒特征的眼底图像配准方法。该方法在提取眼底图像加速鲁棒特征的基础上,利用BBF算法和特征的方向特性和空间一致性检测得到初始匹配特征序列,并给出层次估计与模型选择技术相结合的方法,以求解图像之间的变换参数。通过进一步配准修正获得更好的变换参数。实验结果表明,该方法获得的配准精度均方根误差值均小于1,并能够在满足精度要求的同时提高效率。     

Curvature Based Image Registration

A fully automated, non-rigid image registration algorithm is presented. The deformation field is found by minimizing a suitable measure subject to a curvature based constraint. It is a well-known fact that non-rigid image registration techniques may converge poorly if the initial position is not sufficiently near to the solution. A common approach to address this problem is to perform a time consuming rigid pre-registration step. In this paper we show that the new curvature registration not only produces accurate and smooth solutions but also allows for an automatic rigid alignment. Thus, in contrast to other popular registration schemes, the new method no longer requires a pre-registration step. Furthermore, we present an implementation of the new scheme based on the numerical solution of the underlying Euler-Lagrange equations. The real discrete cosine transform is the backbone of our implementation and leads to a stable and fast O(N log N) algorithm, where N denotes the number of voxels. Finally, we report on some numerical test runs.     

图像配准的小波分解方法

提出了利用图像与其作小波分解后的近似分量的轮廓相似性,进行图像配准的一种方法．首先利用仿射变换和小波分解的理论,证明了该方法的正确性,并对求配准参数的运算量进行了分析;然后给出了利用该方法实现图像配准的步骤;最后结合MRI图像的配准,对该方法进行了实验验证．该方法能提高配准的速度,对实时图像配准具有实用价值．     

基于图像特征配准的数字血管减影算法

数字减影血管成象(DSA)是一种在医学诊断以及介入治疗中起重要作用的技术。在临床应用中,由于能源能量的波动、设备噪声、病人移动、器官蠕动等,通常的数字减影结果常常出现伪影。伪影消除问题成为数字减影技术中的难点,也是引起关注的热点。文章提出了消除伪影的一套新的算法———基于图像局部特征消除伪影。包括建立排除模板、控制点判定准则与方法、位移向量优化、配准方法等。该方法已用VC编制成软件,并且装备数字化X-射线装置,在计算机试验及临床实验中都取得了满意的效果。     

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...     

基于区域面积和特征的图像配准

图像配准是图像处理领域的一个研究热点。双目线索是人类和动物的视觉系统获取深度信息的主要手段之一,而配准是视差测距过程中最主要的步骤。本文主要实现了基于面积的配准和基于边缘点特征的Barnard方法,并且对有关的实验结果进行了直观的分析。     

基于抽象匹配流的彩色图像配准模型

在抽象匹配流框架下,构造能够克服大色差问题的彩色图像配准模型.该模型中,数据项采用互相关函数作为2幅图像间的相似性度量,以解决大色差问题;正则项采用各向异性扩散滤波器约束图像演化,从而实现在演化过程中对图像特征的有效保持.扩散滤波器中的扩散系数定义为关于彩色结构张量的函数,以使图像演化能够综合各通道信息,解决了各通道所得位移场不一致而引起的色彩混迭问题.实验结果表明,文中模型对具有大色差的彩色图像能够实现有效配准.     

基于B样条的快速弹性图像配准方法

论文提出了一种基于B样条的医学图像快速弹性配准方法。该方法在原有方法的基础上引入“分块计算,部分更新”的策略来提高运行速度。实验结果表明,论文方法与原有方法相比,配准效果相似,但配准速度却显著提高,因此是一种实用的弹性配准方法。