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。     

基于改进PV插值和混合优化算法的医学图像配准

基于互信息的医学图像配准算法近来获得了广泛的应用.在计算互信息的时候,采用部分体积插值计算联合直方图无法避免在象素整数倍位移处的局部极值,有可能导致误配准.本文提出了基于B样条函数的部分体积插值方法,有效地减少象素整数倍位移处的局部极值;在优化互信息函数的时候先使用遗传算法将配准参数收敛到最优值附近,然后使用Powell方法进行局部搜索,避免误收敛.实验表明,本文提出的算法具有更好的精确性和稳定性.     

基于SLER检测的红外与可见光图像自动配准

针对可见光图像和红外图像配准问题,提出了一种新的自动配准方法.该算法通过同级极值区域检测子在灰度梯度图像上提取仿射协变区域.然后利用超图匹配算法确定匹配点对实现图像配准.该方法尤其适合于红外图像的质量或者边缘比对应的可见图像质量或边缘差情况下的异模配准.对一些具有挑战性的图像对进行试验,实验结果表明我们提出的方法比其他方法获得了更好的性能.     

一种改进的基于最大互信息的图像配准方法

基于互信息的图像配准方法在单模图像配准中极易受局部极小值影响,从而导致配准失败.提出了一种改进的局部优化方法,在Powell方法中引入针对空间变换参数的约束条件.针对8套脑部MRA和MRI的体数据集进行的实验表明,该方法可以很好地克服优化陷入局部极值的情况.     

基于最大互信息的图像拼接优化算法

基于多分辨分析(MA)策略,提出了以图像最大互信息(MI)为匹配测度的图像拼接粒子群优化算法(OA-MI),使参数随图像的MI计算和多分辨率级数进行自适应调整,解决了灰度图像配准中由于目标函数容易陷入局部极值而造成的误匹配问题。实验证明,该方法能够有效地避免局部极值的影响,通过有限次寻优迭代即可找到最优配准变换,提高了图像配准的计算速度和图像拼接的质量。     

图像插值方法对互信息局部极值的影响分析

多模态图像配准中常使用互信息作为配准度量,互信息中的联合概率密度函数一般是利用图像灰度对的统计值来代替的,而图像插值可能产生新的灰度对,造成互信息出现局部极值。该文利用一维信号从理论上分析了线性和最近邻两种插值方法对互信息的影响。理论分析表明,线性插值造成互信息局部极值的可能性较小,而最近邻插值会使互信息出现周期性局部极值。试验结果证实了该文的结论。分析结果对基于互信息的多模态图像配准具有理论参考价值。     

图像配准中特征点检测算法的探讨

特征点是图像的一种重要局部特征,特征点检测是基于特征点图像配准的关键技术.通过特征点的提取与处理,对把握图像的局部及整体特征,特别对图像配准及目标识别等领域都具有重要的实际意义.详细介绍了图像配准中主流的特征点提取方法,并分析其优缺点.通过实验,利用特征点评价方法对各种算法的性能进行比较,对图像配准的研究具有一定的指导意义.     

分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法.首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准.实验证明该方法使得图像配准精度和配准效率得到了极大提高.     

遗传算法和Powell法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高、鲁棒性强的特点,成为近年图像配准研究的热点,但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难。本文以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将遗传算法和Powell法结合起来对三维CT、MR图像进行了配准。实验结果表明,这种方法能够有效地克服信息函数的局部极值,配准精度达到亚像素级。     

蚁群算法和Powell法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高,鲁棒性强的特点,成为近年来图像配准研究的热点.但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难.该文提出了一种蚁群算法和Powell法相结合的多分辨率搜索优化算法.该算法以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将蚁群算法与Powell法结合起来对三维的CT,MR图像进行了配准.实验结果表明,这种方法能够有效地克服互信息函数的局部极值,大大地提高了配准精度,达到亚像素级.     

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.     

融合确定性信息和随机信息的插值方法研究

为了提高医学图像配准过程中的测度曲线光滑性和运算速度,本文利用图像的灰度概率分布作为确定性信息,同时利用非整数网格位置处的灰度随机性信息,定义了融合确定性信息和随机性信息的置信区域(DSCR);结合最近邻域插值法,提出了基于DSCR的最近邻域插值法(DSCRNN)。使用DSCRNN插值方法得到测度在整数平移位置处的值是准确无误差的。通过医学图像之间的刚体配准实验,从函数曲线、运算时间、抗噪鲁棒性和收敛性能方面对比分析了8种插值方法,结果表明,相对其它插值方法,DSCRNN插值方法在不牺牲插值速度的前提条件下可以提高归一化互信息(NMI)测度的收敛性能和抗噪声能力。     

High-order image subsampling using feedforward artificial neuralnetworks

We propose a method for high-order image subsampling using feedforward artificial neural networks (FANNs). In our method, the high-order subsampling process is decomposed into a sequence of first-order subsampling stages. The first stage employs a tridiagonally symmetrical FANN, which is obtained by applying the design algorithm introduced by Dumitras and Kossentini (see IEEE Trans. Signal Processing, vol.48, p.1446-55, 2000). The second stage employs a small fully connected FANN. The algorithm used to train both FANNs employs information about local edges (extracted using pattern matching) to perform effective subsampling of both high detail and smooth image areas. We show that our multistage first-order subsampling method achieves excellent speed-performance tradeoffs, and it consistently outperforms traditional lowpass filtering and subsampling methods both subjectively and objectively.     

基于多分辨率的多模态医学图像配准

提出了一种多分辨率多模态医学图像配准方法来提高图像的配准速度与精度。利用小波函数对图像进行多层分解,采用改进的Powell优化算法寻找待配准图像间的最大互信(MMI),配准首先从图像金字塔中分辨率最低的0层图像开始,将0层图像配准获得的变形参数作为1层图像配准的起始参数,重复该过程直到完成最高精度层的图像配准。CT/MRI和CT/PET图像配准结果证明基于小波分解的多分辨率配准方法具有避免优化算子陷入局部极值、算子收敛速度快和配准精度高等优点。     

结合图像信息熵和特征点的图像配准方法

在分析当前主要的图像配准技术之后，针对图像特征点的分布和同名点的匹配问题，提出了结合图像信息熵和特征点的图像配准方法。首先对图像进行一定程度的分块，根据信息论的方法，计算每一块的信息熵，信息熵的大小基本反映了各个模块的纹理变换情况。然后根据各个模块的信息熵大小，进行图像的粗匹配。之后在各个模块提取出一定数目的特征点，信息熵大，纹理信息丰富，选取的特征点就相应较多，反之则纹理信息变化不大，选取的特征点数目较少。最后根据这些具有代表性的同名点进行精确匹配。为验证该方法的有效性，对两幅图像进行传统方法和改进的图像配准方法的比较。     

Spatially adaptive subsampling of image sequences

In a spatially adaptive subsampling scheme, the subsampling lattice is adapted to the local spatial frequency content of an image sequence. In this paper, we use rate-distortion theory to show that spatially adaptive subsampling gives a better performance than subsampling with a fixed sampling lattice. A new algorithm that optimally assigns sampling lattices to different parts of the image is presented. The proposed spatially adaptive subsampling method can be applied within a motion-compensated coding scheme as well. Experiments show an increased performance over fixed lattice subsampling.     

采用SURF特征和局部互相关信息的图像配准算法

针对现有图像配准方法中存在的鲁棒性与配准精度难以兼容的问题,提出了一种采用SURF特征和局部互相关信息的图像配准算法。首先通过SURF特征提取方法进行初步粗配准以提升配准鲁棒性,然后利用图像中局部关键区域的互相关系数计算出单应矩阵,最后将单应矩阵应用于粗配准结果,对粗配准后的图像进行旋转变换,从而实现高精度和高鲁棒性的图像配准。实验结果表明:提出的配准方法与基于SIFT、ORB、SURF、互相关信息的图像配准方法在多组数据上进行了对比,不仅表现出了较高的配准精度和配准效率,也表现出了更优的鲁棒性。     

Fast motion estimation using bidirectional gradient methods

Gradient-based motion estimation methods (GMs) are considered to be in the heart of state-of-the-art registration algorithms, being able to account for both pixel and subpixel registration and to handle various motion models (translation, rotation, affine, and projective). These methods estimate the motion between two images based on the local changes in the image intensities while assuming image smoothness. This paper offers two main contributions. The first is enhancement of the GM technique by introducing two new bidirectional formulations of the GM. These improve the convergence properties for large motions. The second is that we present an analytical convergence analysis of the GM and its properties. Experimental results demonstrate the applicability of these algorithms to real images.     

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。