基于ZM相特征描述符的图像配准方法

针对图像特征间的视角、模糊、旋转和尺度变换以及噪声干扰等不确定性因素对图像配准精度的影响,定义了基于Zernike矩的相特征不变区域描述符,给出了Zernike矩的归一化及其相值度量方法,提出了一种基于此的图像配准算法。通过对比实验验证,本文算法能够有效提取目标图像特征点并准确进行特征匹配,且在保障配准精度的前提下显著降低了算法复杂度。     

基于改进尺度不变特征的图像局域几何配准研究

针对图像配准容易产生误配准、漏配准的问题,提出了基于改进尺度不变特征的图像局域几何配准。该方法改进了尺度不变特征,通过构建边缘尺度空间设计了尺度不变边缘特征变换,融合了尺度不变特征点和尺度不变边缘。以尺度不变特征为基础,搜寻图像间的局域图像变换,实现图像局域几何配准。实验表明,SIFT特征点和边缘信息互补能够提供更多的配准信息并减少错误配准;该方法对尺度、噪声、形变、光照等不敏感,能够配准移动目标,真实地反映图像的配准状况。     

基于SIFT和TPS算法的四旋翼无人机图像自动配准

针对四旋翼无人机图像姿态倾角大、图像变形明显等特点,采用尺度不变特征变换(SIFT)算法和薄板样条模型(TPS)对四旋翼无人机图像进行特征点匹配和配准实验研究,从拼接图像的目视效果和配准均方差方面比较分析了TPS模型与常用的仿射变换及多项式变换模型的图像配准效果。结果表明:在SIFT算法精确的同名点匹配下,TPS变换模型能够兼顾四旋翼无人机图像的整体刚性变形及局部的非刚性变形,无论是目视效果还是均方差定量分析,TPS变换的图像配准精度最高\,效果最好,能够满足四旋翼无人机图像的快速配准、拼接要求。     

基于迭代的非刚性点阵配准算法

提出的非刚性点阵配准算法把一种鲁棒性全局和局部多特征用于对应关系评估,并结合高斯混合模型进行空间变换更新。首先,定义两个距离特征,分别测定两个点阵间的全局和局部几何结构差异,这两个特征形成了一种基于能量优化方程的多特征,通过最小化此多特征,可以灵活地评估点阵间的对应关系。其次,设计一种基于高斯混合模型的空间变换能量方程,同时借助L-2距离最小化方法将其最小化,以此改善空间变换更新。最后,采用轮廓配准和图像特征点配准测试了算法的性能,并与其他4种先进方法进行了对比,该算法在大部分实验中展现了最好的配准效果。     

基于双特征高斯混合模型和双约束空间变换的配准

非刚性点集配准是当前多个领域中的一项重要研究问题.现今流行的配准算法通常使用基于单一特征的对应关系评估与包含单一约束条件的空间变换更新,而单特征与单约束限制了其配准效果与应用领域.提出了一种基于双特征高斯混合模型和双约束空间变换的非刚性点集配准算法.首先定义了双特征描述子,并用全局特征和局部特征构建它;随后,基于此描述子将高斯混合模型改进为双特征高斯混合模型.定义了局部结构约束项,并与全局结构约束项分别维护点集在进行空间变换更新时的局部与全局结构稳定.通过交替进行基于双特征高斯混合模型评估点集之间的对应关系和基于高斯径向基函数（Gaussian radial basis function）更新双约束空间变换,使该算法准确地完成非刚性点集配准.通过人造点集配准、CMU序列图像配准、遥感图像配准、IMM人脸数据配准和真实图像特征点配准对该算法进行了性能测试,同时也与当前流行的8种算法进行了性能比较实验,该算法展现出了卓越的非刚性配准性能,并在大部分实验中超越了当前的相关算法.     

利用混合特征的多视角遥感图像配准

目的 多视角遥感图像配准是遥感图像处理领域的一项关键技术,其目的是精确获取图像间被测区域发生的几何变换关系。由于航拍视角变化以及地物的空间分布和几何形状的复杂度,多视角遥感图像间会产生非刚性畸变问题,增加了图像配准的难度,为此本文提出一种利用遥感图像SIFT（scale-invariant feature transform）特征点阵的全局和局部几何结构特征进行多视角遥感图像配准的算法。方法 通过增加对SIFT点阵的几何结构特征描述以及利用SIFT点阵间全局与局部几何结构特征的互补关系,提升存在非刚性畸变的多视角遥感图像配准精度。 结果 实验使用谷歌地球的卫星影像数据以及无人机航拍遥感数据对本文算法进行了测试,并与3种同类算法（SIFT、SURF（speeded-up robust features）、CPD（coherent point drift））进行对比实验,本文算法在存在非刚性畸变的多视角遥感图像配准中能够有效地提升SIFT特征点阵的配准精度,从而获得更加准确的多视角遥感图像配准结果。结论 本文实现了一种结合SIFT特征点阵的全局和局部几何结构特征进行多视角遥感图像配准的算法,实验结果表明了该方法对存在非刚性畸变的多视角遥感图像能够有效地进行配准,可适用于同源多视角情况下的遥感图像配准问题。     

基于霍特林变换的三维医学图像快速配准算法

提出了一种新的基于霍特林变换的三维医学图像快速配准算法,这是将数据压缩技术用于图像配准的一种创新性尝试。传统的基于灰度的方法需要考虑整个三维数据的灰度信息,计算复杂度大,无法满足临床需要。论文将Otus算法与互信息量技术相结合提出了一种新的图像分割算法,用于提取待配准物体,从而得到物体的向量表示;然后通过霍特林变换的平移和旋转性质完成配准。实验结果表明此方法能准确,快速地处理图像刚性配准问题,特别适用于三维医学图像的配准。     

基于边缘对应的三维颅骨自动非刚性配准方法

针对三维颅骨模型在初始姿态相差较大以及存在较多缺失情况下自动配准困难的问题,提出一种基于边缘对应的三维颅骨非刚性自动配准方法。首先对待配准三维颅骨进行边缘提取,获得所有孔洞的边缘;然后根据边缘长度以及边缘间最短距离自动识别边缘类型,建立待配准颅骨和参考颅骨在边缘上的对应;之后对待配准颅骨的初始位置和姿态进行调整,实现粗配准;最后通过两次一致点漂移（CPD）算法逐步实现两个颅骨从边缘区域至所有区域的精确配准。实验结果表明,与常用的基于迭代最近点（ICP）和薄板样条函数（TPS）相结合的三维颅骨自动配准方法相比,该方法对姿态、位置、分辨率以及缺损具有更强的鲁棒性,并且配准效率更高。     

一种基于形状描述的模型配准方法

针对模型配准中需要预配准操作的问题, 提出了一种基于几何形状描述的模型配准方法。首先利用一种基于距离场的几何形状描述方法从预配准模型中获取特征点并建立对应关系, 即构造预配准模型间的特征点对; 之后, 以特征点对为基础计算模型配准所需的转换矩阵以实现对模型的一步精确配准。实例表明该方法在不需要对模型进行预配准操作的情况下可实现模型的精确配准。     

新的眼底图像配准方法的研究

针对传统的基于特征的眼底图像配准方法配准精度不高的问题,提出了一种新的眼底图像配准方法。通过具有仿射不变性的尺度不变特征变换（Scale Invariance Feature Transform,SIFT）方法提取待配准图像的特征点匹配对。采用适合眼底图像特点的曲面变换模型,实现图像的配准,变换模型参数通过M估计获得。实验结果表明,该算法提高了配准精度,对正常眼和非正常眼的眼底图像配准都是有效的。     

基于模糊形状上下文与局部向量相似性约束的配准算法

非刚性点集配准研究是模式识别领域的一项重要基础研究.本文在当前流行的非刚性点集配准算法的基础上提出了两个主要贡献:1)模糊形状上下文(Fuzzy shape context, FSC)特征;2)基于局部向量特征的局部空间向量相似性约束项.本文首先进行基于特征互补的对应关系评估,在这一步骤中定义了模糊形状上下文特征,然后基于模糊形状上下文特征差异和全局特征差异设计了特征互补的高斯混合模型.其次,进行基于约束互补的空间变化更新.在这一步骤中,定义了局部向量特征,建立了局部空间向量相似性约束项.本文算法通过使用特征互补的高斯混合模型进行对应关系评估,并将配准问题转化为可以用期望最大化(Expectation maximization, EM)算法解决的参数优化问题,通过创建包含局部空间向量相似性约束项的能量方程优化了空间变换更新.本文首先测试了模糊形状上下文特征的检索率,然后采用公开数据集测试了算法在点集配准与图像配准的性能.在与当前流行的十种算法的对比实验中,本文算法均给出了精确的配准结果,并在大部分实验中精度超过了当前流行算法.     

形状的全尺度可视化表示与识别

目的 视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法 在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果 通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论 本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法在视角变化、局部遮挡、铰接变形和噪声等干扰下能保持较高的识别正确率,可应用于图像采集干扰较多以及红外或深度图像的目标识别,并适用于大数据场景下的识别任务。     

基于形状上下文和方向梯度直方图特征的异源图像配准

针对单模态图像包含的信息存在局限性的问题,提出了一种基于形状上下文和HOG（histogram of oriented gradient）特征的红外和可见光图像配准方法.在混合高斯模型前景检测的基础上,通过提出的形状上下文和HOG特征结合的方法实现轮廓特征匹配,再利用TPS（thin plate spline）转换模型将匹配延伸到整个形状,并使用正则化和缩放特性迭代重组对应关系及估计转换降低估计误差.最后,采用RANSAC（random sample consensus）算法去除错误匹配点.与已有的形状上下文方法相比,此方法结合了边缘和轮廓特征信息,降低了误差,鲁棒性更好.     

Robust facial feature tracking under varying face pose and facial expression

This paper presents a hierarchical multi-state pose-dependent approach for facial feature detection and tracking under varying facial expression and face pose. For effective and efficient representation of feature points, a hybrid representation that integrates Gabor wavelets and gray-level profiles is proposed. To model the spatial relations among feature points, a hierarchical statistical face shape model is proposed to characterize both the global shape of human face and the local structural details of each facial component. Furthermore, multi-state local shape models are introduced to deal with shape variations of some facial components under different facial expressions. During detection and tracking, both facial component states and feature point positions, constrained by the hierarchical face shape model, are dynamically estimated using a switching hypothesized measurements (SHM) model. Experimental results demonstrate that the proposed method accurately and robustly tracks facial features in real time under different facial expressions and face poses.     

A subspace approach for matching 2D shapes under affine distortions

This paper presents a subspace approach to matching a pair of 2D shapes, and estimating the affine transformation that aligns the two 2D shapes. In the proposed method, by considering each shape as a 2D signal, one shape is projected onto the subspace spanned by the other, and the affine transformation is estimated by minimizing the projection error in the subspace. The proposed method is fast, easy to implement, and with a clear physical interpretation. Furthermore, it is robust to noise due to the merit of the subspace method. The proposed approach has been tested for registration accuracy, computation time, and robustness to noise. Its performance on synthetic and real images is compared with the state-of-the-art reference algorithms. The experimental results show that our approach compares favorably to the reference methods, in terms of registration accuracy, computation speed, and robustness.     

基于FAST和DAISY的遥感图像配准算法

图像配准是计算机视觉中诸多问题的基础,基于图像特征的配准方法仍然是该领域的研究热门。为了提高算法的效率,拥有更好的实用性,本文提出了一种基于FAST-DAISY的遥感图像配准方法。首先运用FAST算法提取特征点,提出分配主方向的方法,利用DAISY算法建立描述符,得到特征点集后,使用RANSAC(随机抽样一致性)算法剔除误匹配点对,最终估计仿射变换参数,利用二次线性插值法得到配准后的遥感图像。实验结果表明,本文算法对于平移、旋转、灰度差异、地物差异、位置差异、小尺度差异和噪声干扰的遥感图像有较好的配准效果,匹配时间通常介于SIFT算法和SURF-DAISY算法之间。综上所述,该算法在实用性上有较大优势。     

基于Hough谱的任意形状表示与配准

提出了基于Hough谱的形状表示与配准方法,定义了一种新颖的加权平均Hough谱来表示任意形状,总结并证明了形状Hough谱所具有的平移、旋转、缩放和周期特性。对任意两个形状进行配准时,可在相应Hough谱中估计出形状的旋转与缩放参数,并在相应Hough密度空间中估计形状平移参数。本文方法在SIID形状集上进行了大量的实验,结果表明,加权平均Hough谱能有效地估计形状间的平移、旋转与缩放参数,对噪声、遮挡等具有一定的鲁棒性,具有较高的配准精度。     

基于3D-Harris 与FPFH 改进的3D-NDT 配准算法

针对传统点云配准三维正态分布变换(3D-NDT)、迭代最近点(ICP)算法在未给定初 始配准估计的情况下配准效果不佳、配准时间长、误差较大的缺陷,提出了精准且相对高效的 点云匹配算法。首先,运用3D-Harris 算法识别每一幅点云的关键点,并以此为基本点建立局 部参考框架,计算快速点特征直方图(FPFH)描述子;之后,使用最小中值法(LMeds)中的对应 估计算法排除不准确的点对应关系,得到含有对应三维特征关系的特征点对。计算粗配准所需 的变换矩阵,完成初步匹配。随后,根据3D-NDT 算法将点云数据空间体素化,运用概率分布 函数完成最终的点云进行精确地匹配。使用改进配准将3 组分别从网络下载的较少噪声、大规 模与Kinect V2.0 采集的较多噪声、大规模的2 组重叠度不同的点云数据匹配到同一个空间参考 框架中,并通过精度分析对比经典3D-NDT,ICP 等算法。实验结果证明,该算法在迭代次数 较低时,可使室内场景点云数据完成精度较高的配准且受噪声影响较小,但如何将算法的复杂 度适当降低,缩短配准时间需要更进一步的研究。     

A robust hybrid method for nonrigid image registration

A nonrigid registration method is proposed to automatically align two images by registering two sets of sparse features extracted from the images. Motivated by the paradigm of Robust Point Matching (RPM) algorithms [1] and [2], which were originally proposed for shape registration, we develop Robust Hybrid Image Matching (RHIM) algorithm by alternatively optimizing feature correspondence and spatial transformation for image registration. Our RHIM algorithm is built to be robust to feature extraction errors. A novel dynamic outlier rejection approach is described for removing outliers and a local refinement technique is applied to correct non-exactly matched correspondences arising from image noise and deformations. Experimental results demonstrate the robustness and accuracy of our method.