基于改进Keren配准方法的超分辨率算法

提出一种基于边缘检测和Keren配准方法的自适应归一化卷积超分辨率重建算法。为了进一步提高低分辨率序列图像间的配准精度,该算法将边缘检测与Keren配准算法相结合。首先利用Roberts算子对图像序列进行边缘检测,然后利用基于简化四参数仿射变换模型的Keren改进算法求出边缘图像间的平移和旋转参数。仿真实验结果表明即使在含有噪声及大角度旋转情况下,相比Keren改进算法该算法配准精度得到了显著提高;其中采用Roberts算子相比其他传统算子可获得更高的配准精度。最后采用自适应归一化卷积超分辨率融合算法进行超分辨率重建,真实混叠图像序列的实验表明,基于提出的这种配准方法的超分辨率重建图像获得了很好的视觉效果和更高的分辨能力,具有良好的应用价值。     

基于对齐度和互信息的红外与可见光图像配准

针对红外与可见光图像的特点,在此提出了一种结合边缘对齐度与互信息的图像配准方法。首先通过小波变换边缘检测得到红外与可见光图像的边缘图像,并将对齐度和归一化互信息自适应加权平均得到新的相似性测度函数,最终通过计算相似性测度函数的极值求得待配准图像间的变换参数。实验结果表明,该方法可减少配准所需的时间,具有更高的精确性和鲁棒性。     

基于互信息和梯度的红外与可见光图像配准新方法

红外与可见光图像配准是常见的多传感器图像配准,在军事、遥感等领域有着广泛的应用。提出了一种基于互信息和图像梯度的红外与可见光图像的自动配准方法：首先,获得图像的梯度信息,然后根据定义的扩展结构获得边缘区域图像,选择最大归一化互信息作为相似性测度,使用Powell算法获得最佳配准参数。实验结果证明,本文方法较传统的基于互信息和梯度的配准方法,提高了配准的速度和精度,可以作为一种有效的粗配准的方法。     

基于归一化互信息的CT-MRI脑图像配准

医学图像配准研究有非常重要的临床应用价值。针对现在流行的基于最大互信息量的配准方法展开分析和研究。在此基础上对比研究了归一化互信息配准法。通过对一组CT-MR脑图像配准的仿真研究,证明归一化互信息配准法的配准效果很好。特别是在图像重叠区域较小的情况下,比最大互信息配准法效果优越。     

一种改进的基于互信息的自动图像配准算法

提出了改进图像配准的基于互信息的算法,首先将参考图像和待配准图像分解到小波域并二值化,以归一化互信息作为相似性测度进行配准.配准参数搜索作用SPSA算法和鲍威尔算法相结合的优化策略.实验证明本算法可以快速、精确且不需要人工干预地实现两幅图像的配准.     

对数极坐标变换域下互信息图像配准方法

当待配准中的图像中存在较大的尺度变换时,传统的图像互信息配准方法对图像尺度变换参数很敏感,易于在优化搜索时陷入局部极值点,配准效果不好。文中提出基于对数极坐标（log—polar）域的图像配准方法,它较好地分离了图像缩放参数和图像旋转参数的相互影响。仿真结果表明,该方法在大尺度图像配准场合应用时比通常的互信息方法有更高的精度和鲁棒性。     

基于平移旋转不变的塔式分解和模糊梯度场的医学图像配准

 为了提高医学图像配准的精度和速度,提出一种改进的圆周对称多分辨率分解算法,用环形带通滤波器代替高通滤波器,使各尺度的子带都具有平移和旋转不变性.不丢失信息的前提下,降低计算的冗余度.塔式分解的低频子带能量集中,用互信息进行配准;高频子带提供重要的解剖结构信息,构造基于边缘信息的模糊梯度场,并用模糊贴近度作为相似性测度,与互信息相结合.实验结果验证了新的金字塔算法的有效性,并且可以实现多模态医学图像的配准,结合模糊梯度场的配准算法提高了算法的鲁棒性,快速准确稳定地实现医学图像配准.     

两阶段平移、旋转图像高精度配准算法

图像配准在图像处理中是十分重要的,通常是许多现代图像处理和计算机视觉任务一个关键的预处理步骤,许多算法和技术已经被提出用来解决配准问题.本文提出一种稳健的两阶段层次配准算法,在频域组合相位相关和谱对消技术对平移和旋转图像获得亚像素精度的配准.算法第一阶段首先利用一维FFT技术实现图像的旋转以确定旋转角度,并利用这个旋转角度将两幅图像之间的运动简化为平移运动,然后利用相位相关法确定整数像素平移参数.算法第二阶段运用谱对消技术确定亚像素平移参数.提出的算法甚至在图像因为下采样而包含混淆误差情况下仍然能够获得亚像素精度配准.     

基于互信息和多智能体优化的合成孔径雷达图像配准

提出了一种基于互信息的多智能体优化方法,并将其用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像的配准.采用归一化互信息作为度量准则,直接利用图像的灰度数据进行配准,没有假设图像间灰度值的线性关系,不需要对图像做分割、特征提取等预处理,并利用多智能体优化算法寻找最佳匹配参数,以得到最优的配准结果.实验表明,该算法在SAR图像配准方面有更好的普适性和更高的配准精度.     

铸币图像配准算法的设计与实现

铸币图像的配准是基于图像识别的真伪币鉴别及瑕疵检测的重要步骤.针对铸币图像的特点,提出使用边缘纹理替代灰度信息作为图像配准的特征;配准算法使用极坐标系投影等多种积分投影方法,通过计算样本图像与模板图像投影曲线的互相关函数与最大互相关参数得到平移、旋转、缩放参数,并以多次迭代,实现铸币样本图像与模板图像的精确配准,为基于图像识别的真伪币鉴别及瑕疵检测提供良好基础.     

采用改进梯度互信息和粒子群优化算法的红外与可见光图像配准算法

针对传统互信息图像配准容易产生局部极值,以及传统梯度互信息配准方法计算量大等问题,在互信息和梯度方法基础上构建了一种改进的梯度互信息方法,该方法直接统计梯度图像的互信息,有效地将图像梯度信息和灰度信息结合起来,不仅保证了配准精度,而且较传统梯度互信息方法减少了计算量。在参量优化的过程中,针对传统粒子群优化算法易陷入局部极值的缺点,提出了改进的粒子群优化算法,该算法在传统粒子群优化算法基础上引入混沌优化思想和遗传算法中的杂交思想,不仅能够有效抑制局部极值,而且加快了收敛速度。多种红外与可见光图像配准实验结果证明,文中提出的算法能够有效提高配准精度和速度。     

Image registration by maximization of combined mutual information and gradient information

Mutual information has developed into an accurate measure for rigid and affine monomodality and multimodality image registration. The robustness of the measure is questionable, however. A possible reason for this is the absence of spatial information in the measure. The present paper proposes to include spatial information by combining mutual information with a term based on the image gradient of the images to be registered. The gradient term not only seeks to align locations of high gradient magnitude, but also aims for a similar orientation of the gradients at these locations. Results of combining both standard mutual information as well as a normalized measure are presented for rigid registration of three-dimensional clinical images [magnetic resonance (MR), computed tomography (CT), and positron emission tomography (PET)]. The results indicate that the combined measures yield a better registration function does mutual information or normalized mutual information per se. The registration functions are less sensitive to low sampling resolution, do not contain incorrect global maxima that are sometimes found in the mutual information function, and interpolation-induced local minima can be reduced. These characteristics yield the promise of more robust registration measures. The accuracy of the combined measures is similar to that of mutual information-based methods.     

基于边界距离场互信息的图像配准方法

基于图像边界平均Hausdorff距离的配准方法实现简单、速度快、有较大应用价值,但对图像边界不完全对应的情况配准效果不好。提出了一种以图像边界距离场互信息作为相似度函数的图像配准方法,以参考边界的距离场和浮动二值边界为两个离散概率分布,将其互信息作为相似度函数进行配准。实验结果表明,该算法对图像内容完全一致和内容不完全对应的图像均可得到良好的配准结果。     

基于简单Schur凹函数的图像配准测度研究

 使用互信息或归一化互信息进行图像配准时,由于噪声、模态、插值等影响,测度函数存在许多局部极值,收敛范围较窄,有可能导致误配准.该文根据一个简单的Schur凹函数,充分利用它的特殊上凸性来消除噪声等引起的小概率分布,并由Jensen-Schur测度、广义距离测度和 f 信息测度的定义,构造了六种新测度.从运算时间、收敛性能、抗噪鲁棒性方面,对这六种测度、互信息和归一化互信息进行了比较和分析.实验结果表明,Jensen-Schur-beta和D-beta测度的收敛性能优于其它测度,抗噪声能力强于其它测度,运算速度快于互信息和归一化互信息.     

一种基于对称性边缘的多光谱图像配准方法

多光谱成像技术是遥感领域的一项重要技术。多光谱图像配准技术可以提高遥感图像的应用效率和能力。基于边缘结构在多光谱图像中较为稳定这一特性,提出了一种基于对称性边缘的多光谱图像配准方法,该方法主要包含“图像比例调整”、“对称性边缘提取”和“互信息配准”等三个步骤。基于天宫二号宽波段成像仪的遥感数据设计了一种多子图配准方案,验证了所提方法在可见光、短波红外和长波红外三个谱段之间图像配准的有效性。设置对比实验,将所提配准方法与其他多光谱图像配准方法进行比较,结果表明该方法在天宫二号宽波段遥感图像的配准中具有较高的精度。     

方向相关与互信息加权组合多模图像配准方法

针对可见光与红外图像的配准问题,提出了一种基于边缘方向相关和局部优选区域互信息加权的配准方法。首先进行区域划分,建立区域优选测度,选取信息量丰富的局部区域;在优选区域的基础上,引入了图像的边缘方向信息,构造边缘方向图,以增加全局空间特征;然后,通过综合局部区域灰度信息和全局边缘方向信息,将互相关测度和互信息测度加权集成,构造了一种新的相似测度。实验结果表明,边缘方向相关测度的引入,提高了基于互信息的图像配准的精度,利用局部优选区域代替整幅图像提高了算法的速度。     

Evaluating similarity measures for brain image registration

Evaluation of similarity measures for image registration is a challenging problem due to its complex interaction with the underlying optimization, regularization, image type and modality. We propose a single performance metric, named robustness, as part of a new evaluation method which quantifies the effectiveness of similarity measures for brain image registration while eliminating the effects of the other parts of the registration process. We show empirically that similarity measures with higher robustness are more effective in registering degraded images and are also more successful in performing intermodal image registration. Further, we introduce a new similarity measure, called normalized spatial mutual information, for 3D brain image registration whose robustness is shown to be much higher than the existing ones. Consequently, it tolerates greater image degradation and provides more consistent outcomes for intermodal brain image registration.