基于人工免疫网络算法的图像配准方法

图像配准在很多领域得到了广泛应用,而且是其中不可缺少的步骤。该文提出了一种基于人工免疫网络算法的图像自动配准方法,该方法利用Partial Hausdorff距离作为相似测度,采用人工免疫网络算法寻找最优解。实验证明该方法可以很好地配准各种图像,为图像配准提供较好的解决方法。     

基于LTS Hausdorff距离与遗传算法的图像配准方法

提出了一种基于LTS Hausdorff距离与遗传算法的图像配准方法。算法首先对参考图像和待配准图像进行压缩、二值化和边缘检测预处理,然后在此基础上结合遗传算法对待配准图像进行配准操作。     

基于轮廓的多源图像的配准

不同源图像间由于灰度和分辨率水平上的显著差异,使得两图像间的配准问题十分困难。为此,本文避开了常规所采用的直接灰度相关找配准点,首先提取各图像中的整体轮廓,再对轮廓作链码相关,进而找出配准点。实验结果表明,基于轮廓的配准技术应用在不同源图像间配准时明显要优于直接灰度相关法,而且由于链码的应用,计算量也大为减少,在图像融合匹配技术领域具有重要意义。     

基于轮廓与特征点的医学图像弹性配准方法

针对单一特征引导图像配准的准确度有限性,提出了一种同时使用轮廓与特征点的医学图像弹性配准方法。半自动的特征点提取方法既可以保证提取的精确性又能够避免繁琐的特征点对应关系建立过程。对于提取的轮廓,在保证外形的基础之上,通过轮廓直线化操作减少提取轮廓中关键点的数量,以提高计算效率。以两幅待配准图像中的特征点对间距离与轮廓对间距离累加和作为图像配准测度函数,选择ICP算法框架迭代地求解最优配准变换函数。通过与其他测度函数进行比较和真实图像实验结果对比,其结果表明,该算法由于采用轮廓与特征点同时引导图像配准,其配准效果好于单独使用特征点或者轮廓的图像配准算法。该算法既能匹配图像的整体结构信息(轮廓)又能对齐图像中感兴趣的生理解剖位置(特征点),更加准确地反映图像间差异情况,是一种快速、精确的医学图像配准方法。     

一种基于Hausdorff距离的图像配准算法

首先检测两幅图像中的角点,然后自适应地提取基准特征模板,再利用改进的基于特征强度响应空间的Hausdorff距离对基准模板进行初始匹配,最后通过区域相关法进行优化.算法不要求特征间的一一对应,也无需距离变换,实验证明这是一种快速有效的图像配准算法.     

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。     

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。     

一种基于轮廓的医学图像弹性配准方法

提出了一种基于轮廓的医学图像弹性配准方法。该方法先对医学图像进行轮廓提取,计算轮廓所围部分(目标)的质心。围绕质心每隔一定角度抽得轮廓点作为特征点。通过计算相似度确定两组特征点的对应关系。采用Wendland提出的ψ函数作为弹性变换的基函数。通过两组对应点确定变换系数。最后根据配准参数对形变图像进行变换,从而得到配准图像。实验表明,本方法对具有形变的医学图像的配准是快速的、有效的。     

基于遗传算法的深度图像配准方法研究

深度图像配准主要应用于物体三维建模、历史建筑修复重建、虚拟博物馆、利用虚拟现实界面教学,以及复杂结构分析等广泛领域.遗传算法多用于深度图像粗配准,但通过加强其局部搜索能力,也能实现细配准.系统论述了遗传算法在深度图像图像配准的应用,并通过实验加以具体说明.     

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.     

一种基于边缘特征的图像配准方法

采用一种基于边缘特征的图像配准方法,首先通过小波变换来提取图像的边缘,然后将人工选择的边缘点代入仿射变换模型,得到配准参数（每选择一组不同的边缘点,就会得到不同的配准参数）。在不同的配准参数条件下,计算两幅图像的交互方差。取交互方差最小时所对应的配准参数为最终的配准参数。最后再利用仿射变换模型对待配准图像进行平移、旋转、缩放得到最终的配准图像。     

改进的基于凸壳仿射不变量的图像识别和配准算法

提出了一种新的基于凸壳和仿射不变量的图像识别和配准的方法。该方法利用从参考图和测试图中得到的特征点提取其凸壳,并计算凸壳的仿射不变特征向量。通过比较参考图和测试图特征向量的一致性,建立它们的仿射变换关系,最后利用凸壳内特征点的匹配来实现识别和配准。该方法的优点是即使目标物体被部分覆盖或者缺损,其图像也能够达到较好的识别和配准效果。     

一种基于非下采样剪切波变换的医学图像配准方法

针对经典弹性配准方法在医学图像应用上计算复杂、方向信息不足的问题进行了研究,提出一种基于非下采样剪切波变换（NSSTR）的医学图像配准方法。利用剪切波能够对各个尺度、方向和位置实现较好定位的优势,先用该算法对医学图像作非下采样剪切波变换,得到各尺度、方向子带的剪切系数,然后对高频、低频的变换图像分别使用不同的配准方法,最后统一到变化网格上得到最终配准图像。实验结果表明,本方法与传统方法相比,不仅具有配准精度高、鲁棒性好的特点,而且计算效率更高。     

基于NCC的存在旋转的图像匹配方法

图像匹配在导航制导、医学等领域具有十分重要的意义。由于实时图和参考图拍摄的时间不一样,容易存在旋转等现象,给图像的匹配带来很大难度。传统的归一化互相关(NCC)匹配算法是一种简单有效的匹配算法,但不适合存在旋转这种情况。在NCC匹配方法的基础上,利用参考图的多个角度的旋转达到匹配的目的,从而找出准确的匹配位置,并利用所得控制点和坐标转换模型找出参考图与实时图之间的相对位置关系,包括旋转角度与相对位移。仿真实验表明:此方法可较好地解决存在旋转的图像匹配问题。     

基于多参数分段变异遗传算法的红外图像配准方法

图像配准的关键是要找到配准的水平位移、竖直位移和旋转角度3个参数。将这3个参数统一编码的遗传算法,配准时变异是按单一参数变异操作,这样会导致3个参数变异的概率不均匀,出现过变异和欠变异的问题,且容易陷入局部极值。针对此问题提出多参数独立编码、独立分段变异的遗传算法搜寻最优参数,之后用得到的配准参数进行图像配准。在计算机上进行仿真实验,与常见的单一编码遗传算法比较,分段编码、分段变异算法使各个参数变异概率均匀,搜索的准确率更高,速度更快。     

基于三参数模型的视频图像配准方法研究

视频图像配准是运动视频处理中的一项关键技术。提出了一种新的基于3参数模型的配准算法,该算法利用多尺度的角点检测方法从相邻两帧中抽取特征点,选用Hausdorff距离对特征点集进行匹配,计算3参数模型参数,从而实现图像配准。与传统的6参数仿射模型相比,模型参数的降低并没有显著降低配准效果,同时由于参数搜索空间的减少,该方法用更快的速度得到较准确的结果。     

基于局部仿射模型的多模态弹性图像配准

针对目前弹性图像配准方法较难应用于多模态图像的问题,提出了一种转化图像模态的解决方案。计算图像中每个灰度值在另一幅图像中对应像素的灰度均值,使用该均值代替原图像中对应的像素值,两幅图像灰度被转换为基本一致的状态,使用局部仿射模型配准图像。将灰度转换后的图像与目标图像配准,再将图像的形变参数映射到浮动图像中就可以实现多模态的图像配准。实验结果表明该方法可将局部仿射模型成功地用于多模态图像配准。     

一种新的自动图像配准技术*

提出了一种自动图像配准方法.该方法首先使用模板匹配获得图像间的粗匹配点,然后利用这些粗匹配点估计图像之间的变换参数,并通过统计这些变换参数的适用情况,选取出一组最佳的图像变换参数,从而实现了图像间的自动配准.实验验证,该方法在两幅图像间存在平移、转动且重叠区域较少时,仍能准确得匹配这两幅图像.     

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。     

基于混合遗传算法和点面距离测度的深度像配准*

提出一种利用改进的遗传算法和点面距离作为误差测度的深度像精确配准算法。与现有ICP框架下的迭代算法不同,将深度像配准视为高维空间的一个优化问题,通过在遗传算法中加入退火选择、爬山法以及参数空间的动态退化来加速寻找最优的位置转换关系。同时,采用一种新的基于点面距离的适应函数来计算配准误差,使得算法具有更强的鲁棒性。实验结果表明,该算法不需要初始的运动参数估计,具有较高的配准精度,收敛速度快且抗噪声能力强。