亚像素级图像配准算法研究

在很多应用领域,要求图像配准的精度达到亚像素级。对现有的亚像素级图像配准算法进行了分类,介绍了几种最主要的亚像素级精度的配准方法,包括基于插值的方法、扩展的相位相关法、解最优化问题法,并对这些算法的思路、性能特点和最新进展进行了综述。然后从几个评价标准对各种算法进行了比较,分析了各自影响性能的因素和性能提升的空间。最后对未来的发展趋势进行了展望。     

基于矩匹配算法的CT图像亚像素级精度测量方法的研究

针对从CT图像中获取被测工件精确尺寸的要求，使用了特定的算法对CT图像进行处理，采用了新颖的基于矩匹配算法进行边缘的定位，通过对模拟和实际CT图像进行测量获得亚像素级的测量精度，此方法优于常规方法。     

基于相位相关的亚像素图像配准

提出一种基于相位相关的图像对准方法,该方法精确度达到亚像素级别。相位相关是一种建立在傅立叶平移理论上的图像对准方法,通过计算两幅图像的傅里叶交叉能量谱得到两幅图像的位置差,对图像进行对准。将使用曲线拟合的思想对交叉能量谱的基础上进行进一步的运算,从而将相位相关方法的计算精度推广到亚像素级别。     

基于Harris角点量与相位相关的亚像素级图像配准方法*

相位相关法是一种常用的图像配准方法,而直接基于傅里叶变换的快速图像配准方法（ＦＤＦＡ）使之具有亚像素级的配准精度,它需要根据图像内容细心选择参与相位拟合的频率分量,并在图像上施加窗口以抑制频域的图像边界效应,从而提高其偏移量估计精度。从边界效应抑制的角度出发,利用Harris角点量代替原始图像进行相位相关计算,与传统的对原始图像加窗的方法不同,该方法既抑制了边界效应,又避免引入截断误差,同时只用对其第一项频率分量进行拟合,而不需要进行频率项的选择,使相位拟合过程更简单。提取图像的Harris角点并选择其中     

一种改进的心脏磁共振图像亚像素匹配方法

心肌灌注磁共振图像系列的配准是心脏分析诊断的重要辅助手段。针对心脏磁共振时间序列图像,提出了一种结合力矩主轴法与互信息法的序列图像亚像素配准新方法。给出了一种由粗配准到精配准的混合配准策略。采用力矩主轴法进行粗配准,避免那些远离全局最优点的局部极值;采用Powell算法和模拟退火算法相结合的搜索策略,以互信息的值作为目标函数,对结果进行优化。使得图像配准精度和速度有极大的提高。     

基于特征像素统计的图像相关匹配算法

以电视跟踪为应用背景,对图像相关匹配算法进行了研究。并以特征像素统计为基本手段,提出了基于MCD距离相关匹配法的改进算法,降低了匹配计算量,改善了跟踪实时性。     

基于特征像素统计的图像相关匹配算法

以电视跟踪为应用背景,对图像相关匹配算法进行了研究.并以特征像素统计为基本手段,提出了基于MCD距离相关匹配法的改进算法,降低了匹配计算量,改善了跟踪实时性.     

基于改进Lucas-Kanade的亚像素级零件图像配准*

针对工业应用中零件图像配准存在的光照变化和缺少纹理信息的难题,提出了改进Lucas-Kanade的亚像素级零件图像配准算法。首先根据光照变化和几何变换模型构建了模板与待配准图像间的非线性最小二乘函数;然后依据两幅图像的方向向量一致性和边缘特征为函数添加权重,以减少冗余像素点;最后应用Levenberg-Marquardt(LM)算法解算函数最优解,以实现精确图像配准。使用500幅待配准图像进行实验,结果表明该算法对缺少纹理的零件具备光照不变性,配准正确率高且达到亚像素级精度,能够满足工业应用的鲁棒性和精度要求。     

基于小波分析的亚像素配准算法

在像素级配准的基础上,通过对多项式细分算法的改进,提出了一种基于小波分析的亚像素配准算法,并对配准算法的精度进行了分析研究.仿真结果表明,该算法效果良好,达到亚像素级精度.     

基于边缘特征的亚像素相关匹配跟踪算法

基于像素灰度和基于特征的相关匹配跟踪算法跟踪精度不高,只能匹配定位到整像素点。针对该问题,采用相关函数拟合极值法对整像素匹配点进行亚像素定位。设计一种新的实验方法和基于边缘特征的相关匹配跟踪算法。实验结果表明,该算法可以达到0.1级别的亚像素定位精度。     

改进的全景图拼接融合算法

在全景图像理论的基础上,对现有的拼接算法进行研究和改进,采用基于像素点颜色变化特征和序列相似性检测拼接算法相结合的图像拼接融合方法对柱面全景图进行拼接。实验表明,与原有的算法相比,采用改进后算法的全景图拼接效果得到了改进,对柱面全景图像的拼接融合能取得满意的视觉效果。     

基于模板匹配的加速肺结节检测算法研究

使用传统的归一化互相关模板匹配算法进行肺结节检测耗时较长,在数据量较多的情况下容易造成漏诊或误诊。提出一种改进算法,主要从优化搜索策略入手,采用粗-精匹配思想,先使用改进SAD算法进行粗匹配找出侯准匹配点,再采用归一化互相关算法在侯准匹配点邻域内进行精确匹配找出最佳匹配点。实验结果表明,与NCC算法和卷积算法相比较,该算法在保证匹配精度的前提下,较大幅度地提高了匹配速率。采用这种算法进行自动肺节点检测可减少检测时间,对辅助完成早期的疑似肺结节点的定位和跟踪诊断有重要意义。     

改进的基于纹理特征的图像配准算法

针对图像纹理规则性与重复性及图像起始纹理分布的不一致性,依据VE4000检测系统的纹理特征配准算法达到配准目的。该算法自行设计标准单一模板,对单一模板进行裁剪与拼接技术达到了图像配准的目的,但是配准效果较差,在此基础上提出了改进的纹理特征配准算法,重新设计模板,拼接生成标准的参考图像,对参考图像进行匹配与裁剪以获取不同配准图像。实验结果证明,改进的基于纹理特征的配准算法运行时间短,配准误差小,能够很好满足缺陷检测的配准需求。     

柱面全景图像自动拼接算法

提出了一种基于特征点匹配的柱面全景图像拼接算法。首先将360°环绕拍摄的序列图像投影到柱面坐标系下;然后提取各图像的SIFT（Scale Invariant Feature Transform,尺度不变特征变换）特征点,通过特征点匹配完成两幅图像的配准;再根据配准结果计算出图像间的变换参数;最后采用加权平均的融合方法对两幅图像进行无缝拼接。实验表明,算法可以有效、快速地自动生成柱面全景图像。     

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。     

基于NCCSS的快速多波段图像配准算法

归一化互相关（NCC）方法是图像配准中使用非常广泛的方法,经典的NCC方法是基于空间域的,适用于单波段图像配准。但在实际应用中,往往要对多波段图像进行配准,此时NCC方法很可能无法获得正确的结果。最近有学者提出了归一化空间频谱互相关（NSSCC）方法,该方法可将多波段图像中不同波段的信息应用到图像配准中,与经典的NCC方法相比能够有效地提升配准的有效性。然而,如果图像所含波段较多且尺寸较大,NSSCC方法需要很大的计算量。结合标准的NCC快速算法,可以对NSSCC方法作进一步的改进,仿真实验验证了改进的方法用于多波段图像配准时的快速性和有效性。     

基于K-means聚类和RANSAC的图像配准算法研究

针对图像配准中特征点匹配方法存在实时性不高和精度低的问题,提出了一种基于K means聚类和RANSAC的图像配准算法。该算法根据匹配点对距离和方向特征的视差约束条件,首先利用K means聚类对匹配点对进行预处理,剔除大部分错误匹配点,然后利用RANSAC进行二次优化,实现了图像的快速和精确配准。实验结果表明,该算法不仅提高了图像配准的精确度,而且提高了图像配准的速度。     

改进的RANSAC算法在图像配准中的应用

为了提高图像配准的速度,提出了一种基于改进的随机抽样一致性（RANSAC）算法的快速图像配准方法。该方法首先采用Harris角点检测算法提取出参考图像和目标图像的特征角点,然后利用灰度相关性进行特征角点的匹配,最后采用基于预检测的RANSAC算法快速而精确地估计变换矩阵,进行图像配准。该算法中采用预检测的方法快速抛弃那些不是候选模型的临时模型,提高了算法的速度。同时使用随机块选取法选择样本,很好地消除外点的影响进而保证精度。实验结果表明,此方法在得到较高的精度和鲁棒性的情况下,还大幅度减少了运算量,提高了图像配准的速度。     

一种基于兴趣点匹配的图像拼接方法

针对基于图像特征点的配准方法中对应特征对难以准确提取的问题,提出一种基于兴趣点匹配的图像自动拼接方法。该方法首先利用Harris角检测器提取两幅图像中的兴趣点,并在此基础上采用比较最大值法提取出对应兴趣点特征对,最后利用这些匹配特征对来实现图像的拼接。实验结果表明,这种方法能有效地去除伪匹配特征对的干扰,同时降低了误匹配的概率,对于全景图的拼接具有良好的效果。     

Using selective correlation coefficient for robust image registration

A new method is proposed for robust image registration named Selective Correlation Coefficient in order to search images under ill-conditioned illumination or partial occlusion. A correlation mask-image is generated for selecting pixels of an image before matching. The mask-image can be derived from a binary-coded increment sign-image defined from any object-image and the template. The mask-rate of occluded regions is theoretically expected to be 0.5, while unoccluded regions have much lower rate than 0.5. Robustness for ill-conditioned environment can be realized since inconsistent brightness of occluded regions can be omitted from the mask operation. Furthermore, the mask enhancement procedure is proposed to get more stable robustness. The effectiveness of masking increases by the procedure, resulting in the rate around 0.7 for masking of occluded regions. This paper includes a theoretical modeling and analysis of the proposed method and some experimental results with real images.