一种新的自动图像配准算法

图像配准是图像处理的一个重要技术,被广泛的用于遥感图像、医学影像、视频监控等诸多领域中。提出了一种新的配准算法,首先分析两幅图像的联合直方图点集的分布情况,基于此定义了直方图点集的散度公式,并将其作为两幅图片的相似性测量。为加速参数的搜索过程,配准是在小波域内进行的,并使用Powell算法来优化搜索策略。实验证明相对于基于互信息的图像配准算法,本算法参数优化方法选择可以更灵活,时间消耗更少,噪声鲁棒性更优。     

基于边缘的图象配准改进算法

现有的图象配准方法对旋转处理比较困难,且处理效率不高。本文提出一种基于边缘的图象配准改进算法,该算法首先用小波的快速方法提取边缘特征点,通过线拟合模型消除噪声;然后得出特征点的边缘方向,定义“角度直方图”来估计两幅待配准图象间的旋转角,应用线性加权方法消除奇异点,最后得到图象间的精确变换关系。     

具有SIFT描述的多尺度角点图像配准

角点含有丰富的图像结构信息,在图像配准中是广泛应用的图像特征。Harris算法是经典的角点提取算法,Harris角点对图像旋转具有不变性,但对尺度变化敏感,在有尺度变化的图像配准中,应用受限。仿照SIFT特征点提取过程,提出了一种多尺度角点提取方法,提取的多尺度角点对图像旋转和尺度变化有很好的适用性。并用SIFT描述子描述,用光学及SAR图像进行了配准实验。结果表明,与SIFT、Harris算法相比,本文方法在保证配准精度的基础上,配准时间减少40%以上,特征点在配准过程中的利用率提高一倍多。     

基于小波多尺度积的图像配准方法

由于基于特征的图像配准方法，时提取图像特征的鲁棒性和精确性都有很高的要求，本文提出了一种基于小波多尺度积的图像配准方法。该方法利用小波多尺度积提取边缘图像和特征点，同时保存特征点的方向信息，具有抗噪性强和边缘定位精确等优点；然后利用特征点的方向信息，定义角度直方图来得到图像之间的精确旋转角度；最后可以选择多种匹配准则来确定匹配点对。实验结果表明，本文提出的方法具有精确性、抗噪性、有效性和鲁棒性等优点。     

一种基于MFRAT和ICP的掌纹主线提取和配准算法

为提高受旋转和平移影响的掌纹图像的识别精度,文中采用一种基于方向最近邻域(DNN)搜索的迭代最近点(ICP)图像配准算法,对掌纹主纹线特征图像进行配准,同时在掌纹主纹线特征图像配准过程中采用粗配准和精配准相融合的配准方式.实验结果表明,该方法具有较高的计算效率和较好的抗旋转平移能力.     

基于边缘特征点对对齐度的图像配准方法

针对基于特征的图像配准方法存在特征提取的多样性和相似度计算的复杂性等问题,在定义边缘特征点对的角度直方图和对齐度的基础上,提出了一种基于边缘特征点对对齐度的图像配准方法。该方法首先利用小波多尺度积准确地提取边缘图像和特征点,然后根据特征点的角度直方图得到的旋转角度,并通过计算所有特征点对在边缘图像中的对齐度来精确地确定匹配点对。大量的实验结果表明,该方法具有较强的适用性、精确性和有效性。     

基于边缘拟合直线的遥感图像自动配准

旋转问题是目前图像自动配准中的一个难点,普通方法计算复杂度大,无法满足很多应用中实时性的要求,而基于边缘方向直方图的方法对噪声很敏感,对边缘进行直线拟合,提出了一种新的基于边缘拟合直线的配准算法。提出了边缘拟合直线角度差直方图的构建方法,并利用它对待配准图像进行旋转角度补偿,然后使用边缘点集的Hausdorff距离进行平移量估计,获得变换参数的近似值;最后以基于Renyi熵的互信息为相似性测度,利用遗传算法在粗配准的近似解的小范围邻域内快速寻找最优解进行精确配准。该方法计算简单、抗噪声性能强且能获得较好的配准精度。     

基于梯度直方图的彩色图像拼接

图像配准是图像拼接的核心环节。采用基于梯度直方图的图像配准算法进行彩色图像的配准。梯度直方图是通过计算以特征点为中心的一个矩形区域内所有像素的梯度而得到的。相比于彩色直方图,它能更好的描述局部特征。梯度直方图是特征点匹配的基础,文中采用直方图交叉作为相似性准则来衡量梯度直方图间的相似性。基于梯度直方图的匹配算法包含三个关键因素：窗口大小,相似性阈值以及梯度直方图的柱数。本文通过大量的实验揭示了这三个重要因素与匹配的正确率和匹配时间的变化关系。最后,给出了这三个因素的一个合理的取值参考范围。     

基于兴趣点特征对互信息准则的图像配准算法

图像拼接技术在现实中的用非常广泛,但是当前的一些算法并不能从根本上消除配准时出现的缝隙或者鬼影,根据已有理论,提出了一种优化的图像配准算法.首先把图像中的兴趣点及其角度信息提取出来,利用互信息准则,得到需要的配对点,得到两幅或多幅图像的拼接自然的完整图像,实验表明,该算法是有效的.     

基于薄板样条的非刚体医学图像配准

非刚体图象配准是非线性的图像配准方法,它能够实现图像之间的配准,为提高医学图像配准精度,对于形变较大的多模图像的配准等都有着重要的作用.提出了一种基于薄板样条的3D/2D非刚体医学图象配准算法,算法首先提出一个混合能量公式,在配准的过程中,用薄板样条法实现全局配准,并通过仿真退火算法进行迭代,以缩小并确定变形的待配准区域.在局部的待配准区域,采用互信息的方法进行配准.解决了因特征点不足引起的不完整匹配问题,使得图像连续平滑,以得到较优的配准效果.     

自适应特征点检测的可见-红外图像配准

目的 针对可见—红外图像之间配准点的数量不足、分布严重不均匀以及配准点之间的错配率高这3个核心问题,提出一种基于自适应特征点检测的可见—红外图像配准方法。方法 本文提出的自适应特征点检测方法,以Harris corner作为基本特征点;以特征点数目与空间分布为检测目标,从而自动地估计合适不同空间位置的特征点的检测阈值。在特征点对匹配中,将梯度方向与互信息相融合有效地添加了相似性函数的空间位置信息。结果 自适应Harris corner检测方法能够有效地提供空间分布均匀、数量充足的特征点。而梯度方向与互信息相融合的相似性匹配函数提高特征点的匹配率20%,降低配准误差50%。结论 本文提出的多传感器图像配准方法能够快速、准确地实现可见光图像与红外图像之间的配准,在CCD-IR图像融合领域具有很好的实用价值。     

基于边缘几何特征的图像精确匹配方法

提出一组快速高精度计算切线斜率的五点公式，用以估计图像边缘曲线的角度特征，并利用角度直方图估计图像几何变换的旋转参数，实现具有大旋转差异图像间的粗匹配．在进行角度补偿后，利用灰度互相关判据搜索匹配点对，计算出几何变换参数，实现较高精度的旋转和平移校正，最后用松弛迭代法完成图像的精确匹配．与基于小波方向角特征的匹配方法相比，文中方法利用图像中主要的边缘信息实施匹配，具有较好的鲁捧性，可成功实现对各类具有较大相关程度图像间的精确匹配，对图形匹配也具有重要意义．     

基于Harris多尺度角点检测的图像配准新算法

为改进角点检测算子的检测性能,提高基于角点的图像配准算法的配准精度,把多分辨分析的思想引入到经典的Harris角点检测中,构造了基于小波变换的灰度强度变化公式,并得到了具有尺度变换特性的自相关矩阵,从而构建了一种新的Harris多尺度角点检测算法。这样,使得新的角点检测可以在不同的尺度下获取角点,并克服了单一尺度的Harris角点检测可能存在的角点信息丢失、位置偏移和易受噪而提取出伪角点等问题。然后根据角度直方图得到的旋转角度,和提取的以角点为中心的特征子图,定义了角点点对的对齐度。最后,运用最大化对齐度准则来精确地确定角点匹配点对。实验表明,该配准算法具有精确性、有效性和抗噪性,实现了良好的配准效果。     

基于梯度方向角量化的匹配新算法

提出了一种在复杂光照环境下具备旋转不变识别能力的匹配新算法。图像梯度方向角是一种在光照变化及目标发生旋转的情况下保持相对稳定的特征量。通过对该特征量的量化与统计分析，分2步实现在变化的光照条件下旋转目标的识别：(1)统计子图像块梯度方向角量化值的直方图，大概确定出目标旋转的角度；(2)利用确定的角度值对模板图像的梯度方向角量化值与子图像的量化值进行旋转匹配。实验证明该算法具有较强的鲁棒性。     

一种基于兴趣点方向特征的图像拼接方法

提出了一种基于兴趣点方向特征的图像拼接算法IPOF(Interest Point Orientation Feature),该算法利用Harris角检测器提取出两幅图像的兴趣点并为每个兴趣点分配一个主方向,采用方向相关系数法提取出初始匹配对,根据特征点之间的关系去除伪匹配对,得到两幅图像的对应兴趣点特征对从而确定变换参数,最后使用加权平均的方法融合图像。实验表明,该算法在图像间存在任意角度的旋转及平移的情形下,能有效地实现图像的平滑镶嵌。