一种改进的基于互信息和梯度特征的图像配准方法的研究

基于互信息的配准方法广泛应用于医学图像的配准，但当两幅待匹配图像重叠部分较少或图像包含的信息不够充分时，配准目标函数会出现较多的局部最优解而影响匹配精度。本文构造了新的配准目标函数，在互信息的基础上引入图像梯度信息，使两者相互补充，减少了目标函数中局部最优解的数目，突出了全局最优解。本文还设计了一种新的基于单纯形的模拟退火优化算法，该算法能以较大的概率迅速搜索到目标函数的全局最优解，以获得较满意的配准结果。本文使用该方法对二维医学图像进行配准，实验结果表明，该方法配准速度较快、精度较高，是一种有效的配准方法。     

基于经验模式分解和互信息的多模态图像配准

基于互信息的配准方法是目前多模态图像配准研究中的热点.提出了一种基于经验模式分解后剩余图像和互信息的多模态图像配准方法.首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维经验模式分解(BEMD)应用于多模态图像配准的可行性,然后给出了图像配准方法的实现步骤.典型多模态图像配准实验结果表明此方法与传统互信息法和基于小波分解结合互信息的方法相比,旋转角度估计误差可以降低1个数量级,缩放参数的估计误差也有很大降低.表明该方法获得了更高的配准精度.     

基于人工免疫系统的医学图像配准

提出了一种基于人工免疫系统的图像配准算法.针对医学图像配准中常用的Powell算法容易陷人局部最优问题,以互信息最大为配准侧度,将体液免疫的思想应用于医学图像配准,较好地解决了局部最优这一难题.针对免疫算法计算量大的问题,对免疫选择算子进行了改进,降低了计算复杂度,并将外推搜索和黄金分割法用于种群初始化,进一步提高了计算效率.实验结果表明,论文提出的算法具有良好的精准性和稳定性,是一种有效的配准算法.     

显著图引导下基于偏互信息的医学图像配准

提出了偏互信息(PMI)和归一化偏互信息(NPMI)相似性测度,PMI和NPMI分别是互信息(MI)和归一化互信息(NMI)的推广.建立了显著图引导图像配准(SMGR)框架,该框架利用显著图构建引导层进行图像粗配准,粗配准图像的几何拓扑特征与参考图像接近,并与参考图像构成新的待配准图像再进行精配准.对比实验表明,以偏互信息和归一化偏互信息为相似性测度,可以凸显图像的某些局部信息效用,利用提出的图像框架能提高医学图像的配准精度,并对噪声图像有较好的鲁棒性.同时,偏互信息和归一化偏互信息提供了图像处理中相似性测度的多种选择,SMGR框架方法丰富了图像配准方案.     

改进Demons算法的非刚性医学图像配准

非刚性配准是医学图像处理的一个重要的研究方向。基于光流场模型的Demons算法由于仅依赖图像灰度梯度使图像变形,当缺乏梯度信息时图像的变形方向不能确定,因而容易造成误配准,且该算法只适合于单模态图像配准。本文针对最大互信息配准方法在多模态刚性配准中的成功应用,提出了一种可用于多模态图像配准的改进Demons算法。该方法在原有驱动图像变形力的基础上,增加两幅图像间互信息对当前变换的梯度作为附加力作用,使浮动图像向两图像间互信息增大的方向变形,正确地配准图像。为避免陷入局部极值并提高算法的运行速度,该方法在多分辨率策略下实现。使用单模态、多模态图像分别进行实验来验证此算法,并与原始Demons算法进行比较,实验表明,该方法能够快速地产生准确的配准变换。     

基于改进SIFT算法的超声图像配准研究

针对SIFT算法对医学超声图像提取关键点数目较少的缺点,本文提出了采用HARRIS角点改进SIFT算法的方法,有效提取更具有结构意义的关键点数目,提高超声图像配准精度。此外,为进一步提高配准精度,增加一步互信息算法对图像进行精配。实验结果表明,本文算法是一种快速、高精度、全自动的医学图像配准算法,并可有效地提高配准精度。     

一种基于新的相似性测度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,被广泛地用于遥感图像、医学影像、视频监控等诸多领域中。本文提出了一种基于新的相似性测度的配准算法,首先分析2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。     

偏振探测系统的图像配准

分振幅式偏振探测成像系统的各分光路图像之间存在位置误差,率先完成各分光路图像之间的图像配准是进行偏振探测的前提条件。针对探测过程中,目标特征不明显、图像特征难以提取、各分光路图像间灰度变化较大的问题,提出适用于分振幅式偏振探测成像系统各分光路图像的相似性度量函数,并在此基础上,完成各分光路图像间的配准工作。首先,根据图像间的位置误差会造成偏振信息图像中出现信息异常区域的原理,研究了相似性度量函数的提取算法;接着,根据探测系统的各分光路的成像特点,确定图像间的几何变换参数;以遗传算法作为参数优化搜索算法,搜索得到最优的几何变换参数,完成整个图像配准算法的设计;最后,分别利用构造图像和实际采集图像,对配准算法进行了验证,并以图像间互信息值(MI)衡量图像配准的精度。实验结果表明:配准后的构造图像的MI为2.692 5,高于特征配准方法的实现精度;实际采集图像配准后的MI达1.849 3,同样高于特征配准方法的实现精度。基本满足偏振探测系统的图像配准需求。     

光谱仪图像的亚像素配准

针对超光谱成像遥感存在的光谱仪图像间失配变形,影响地物目标光谱信息纯度的问题,提出了一种结合超光谱图像特点的亚像素配准方法来校正图像间的失配变形.首先,对待配准的可见光近红外(VNIR)和短波红外(SWIR)光谱仪图像分别进行波段选择和主成分变换,将变换后的第一主分量图像作为待配准图像.然后,将待配准图像均匀划分为具有一定重叠率的图像块,利用相位相关方法估计对应图像块的亚像素平移参数,通过相位相关系数剔除错误的平移参数估计生成图像的光流场.最后,通过光流场来实现光谱仪图像的配准.实验结果显示,该方法配准精度优于0.1pixel,满足超光谱图像后续处理对配准精度的要求.     

面向目标检测的空间观测图像精确配准

针对空间目标检测对图像配准精度的要求,本文组合Fourier-Mellin变换和加速鲁棒特征变换(SURF)算法来实现对空间观测图像的精确配准,并研究了该配准算法所涉及的变换模型、特征提取、特征匹配和配准精度等问题。该算法首先利用Fourier-Mellin变换计算图像旋转角度的整数值,根据整数角度将待配准图像反向旋转;然后利用SURF算法检测两幅图像的匹配特征点;最后利用最小二乘方法计算旋转角度的浮点值和平移量,而整数角度与浮点角度之和就是待配准图像的实际旋转角度。文中分析了SURF特征点检测与图像尺寸、DoH响应阈值以及尺度空间层数之间的关系。实验结果表明:提出的算法对图像旋转角度估计值的均方误差为0.0077°,50组实拍图像中星点质心均方误差的平均值为0.1353pixel,能够满足空间目标检测对图像配准的精度要求。     

Registration of infrared transmission images using squared-loss mutual information

Infrared light allows us to measure the inner structure of opaque samples such as a semi-conductor. In this paper, we propose a method of registering multiple infrared transmission images obtained from different layers of a sample for 3D reconstruction. Since an infrared transmission image obtained from one layer is contaminated with defocused images coming from other layers, registration with a standard similarity metric such as the squared error and the cross correlation does not perform well. To cope with this problem, we propose to use the squared-loss mutual information as an alternative similarity measure for registration, which is more robust against noise than ordinary mutual information. The practical usefulness of the proposed method is demonstrated in simulated and actual experiments.     

基于Fourier-Meliin算法的干涉图像配准

提出了采用Fourier-Mellin算法对大孔径静态干涉成像光谱仪的原始干涉图像进行配准的方法,用于校正由于推扫平台系统姿态不稳所造成的失真.采用Fourier-Mellin算法和相位相关算法求取干涉图像的旋转角度和缩放及平移参数,并通过多帧未校正的图像和校正后的图像分别拼接成大面积地域图像来验证算法.实验结果表明,通过人眼判断,可以实现对图像的配准,配准精度达到1Pixel,基本满足将LASIS原始干涉图校正为不失真图像的要求.     

应用显著纹理特征的医学图像配准

针对传统的基于几何度量的配准方法无法配准存在局部变形的医学器官的问题,提出了应用显著纹理特征的经典迭代最近点(ICP)医学图像配准算法。该方法借鉴主动外观模型(AAM)思想对医学图像的显著纹理特征建模,将显著性强的特征点赋予较大权重,率先配准。在传统基于空间距离的图像配准基础上加入显著纹理距离。然后,模拟格式塔心理学提出的人类视觉认知过程,使用线性递减的权重平衡两种"距离"度量方式。该算法前期主要根据几何距离取得整体配准效果,后期依赖图像纹理特征使存在局部变形位置的特征点也能精确配准。最后,在腹腔肝脏图像上进行实验。实验结果表明该算法取得了较好的配准效果,准确率达78.82%,比其他几种流行算法提高了22.22%,且对图像的旋转变化不敏感。提出的算法基本解决了存在局部变形医学器官图像的配准问题,达到了精度高、鲁棒性强的配准效果。     

基于超分辨率重建的亚像素图像配准

针对低分辨率图像在配准过程中精度较低的问题,提出了一种基于超分辨率重建的亚像素图像配准方法。首先,对具有1至9像素位移的图像序列进行10倍降采样,获取具有0.1至0.9亚像素位移的图像序列。然后,根据图像的获取过程建立数学模型,以Bayes理论为基础,使用最大后验概率法(MAP)对亚像素位移低分辨率图像进行超分辨率重建,获取高分辨率图像。最后,使用具有亚像素配准精度的扩展相位相关法对图像进行配准。配准实验与噪声实验表明,所提方法的最大配准误差为0.03pixel,能实现对低分辨率图像的亚像素级配准,具有配准精度高、噪声抗干扰能力强等特点,可同时满足可见光图像与红外图像的高精度配准要求。