结合PCM和MIE的多模态图像配准方法

针多模态图像配准问题,提出了一种基于相位一致性模型（PCM）和互信息熵（MIE）的配准方法.通过相位一致性模型同时提取多模态图像的角点和边缘特征,在边缘图上取角点的邻域,依据邻域间互信息熵的最小值在估计区域搜索匹配特征,利用RANSAC算法去除错配,进而确定待配准图像间的变换参数.实验表明：该方法达到了像素级配准精度、求解稳定,对多模态引起的非线性灰度变化、光照变化、噪声等都具有较强的鲁棒性;计算精度较基于同类特征的配准方法高,角点、边缘等几何特征综合运用在多模态图像配准中效果良好.     

基于特征的SAR图像与光学图像自动配准

针对现有配准方法在用于SAR图像和光学图像配准时,存在受SAR图像相干斑噪声影响大,手工选取配准点精度低等缺点,提出了一种基于区域特征提取的图像配准方法．对SAR图像首先进行相干斑噪声抑制,并采用图像分割的方法提取出封闭区域的边界作为特征,然后与可见光中提取的边缘利用闭合区域边缘链码的相关寻求匹配,精确配准的误差达到子象素级水平．实验结果表明,该方法能够以较高的精确度从SAR图像中提取配准控制点,从而实现了多传感器图像的自动配准．     

基于MSERs改进的大失配立体图像自动配准方法

提出了一种基于最大稳定极值区域(MSERs)改进的亚像素级自动鲁棒配准算法.该算法对灰度图像序列进行了MSERs特征提取与椭圆拟合.利用特征极线方位来代替该特征邻域主梯度方位,提出了改进的特征规则化处理与描述方法;采用一种新的自适应特征匹配方法来获得可靠特征匹配集,在此基础上基于最小二乘影像匹配(LSM)来进一步提高配准精度,根据匹配点误差统计分布规律与3倍标准差准则来剔除粗差点,并基于配准模型获得图像的配准融合结果.试验证明提出的算法对发生较大旋转、缩放以及视角变化的图像精确配准具有优越性.     

特征点对引导的医学图像弹性配准方法

采用最优化方法进行弹性图像配准时,常常会因为初值选择不合适导致优化过程收敛到局部极值,从而使配准失败。针对该问题,提出了利用一对匹配的特征点来引导迭代配准过程的算法。首先,根据一对匹配的特征点确定图像初始局部配准区域;然后,在算法迭代过程中逐渐扩展局部配准区域直至覆盖整个图像。建立初始局部配准区域及局部配准区域扩展时,根据特征点对的空间位置关系,以及医学图像的形变场在统计特性上是高斯马尔可夫随机场的先验知识,来估计局部配准区域形变参数向量的初值;在对局部配准区域进行配准时,基于图像像素灰度统计信息的配准方法被用来求解局部配准区域的形变场参数向量。实验证明,该算法能够有效克服弹性配准算法容易陷入局部极值的问题。     

基于目标形状特征和纹理特征的迭代配准方法在颈动脉血管中的应用

为了实现颈动脉血管的高精度配准,进而可以计算出颈动脉血管的位移场,提出了一种基于 目标形状特征和纹理特征的迭代配准的方法,这在医学诊疗中具有重要意义． 目标图像的匹配可以 通过提取形状轮廓,利用形状上下文信息实现; 与此同时,SIFT 特征在目标匹配时具有很好的鲁棒 性,图像间的稠密对应关系可以利用图像中逐像素的SIFT 特征来建立． 将二者相结合可以达到一 个很好的配准效果,进一步利用迭代的思想,配准精度再次得到提高． 配准颈动脉血管的实验结果 证明了其具有很好的鲁棒性,并且在精度上超越了传统的配准方法,在时间上也具有可接受的 水平．     

序列图像的快速配准算法研究

基于特征的图像配准算法至今已取得了很多研究成果,然而在现有的计算机性能条件下依然不能实现实时性的结果。针对基于快速鲁棒特征(Speed Up Robust Features,SURF)的序列图像拼接算法中图像配准时间长、计算繁琐等问题,提出一种结合感知哈希算法的SURF图像配准方法。设计了一种快速的搜索算法,对待拼接的相邻序列图像进行重合区域检测,确定有效的拼接区域,对有效拼接区域提取SURF特征点及描述子实现特征的配准。实验结果表明,该方法能够显著提高匹配速度和效率,提取稳定准确的特征点,减少误匹配,与现有算法相比有更好的实时性。     

基于互信息和单应性原理的图像自动配准研究

基于图像特征的配准是图像配准的一个主要研究方向。传统的基于特征的配准方法一般都存在着计算量大、复杂度高以及配准精度低等问题。该文提出了一种基于互信息和单应性原理的图像自动配准方法。该方法首先利用harris算子提取角点,然后通过互信息粗匹配和RANSAC精匹配得到一对一的匹配角点对,最后根据匹配角点对计算出对应的单应矩阵来实现图像配准。为相互间满足刚体变换关系的图像之间的配准提供了一种新的思路。     

基于视觉特性的图象压缩编码方法

将图象分为非连续分量和连续分量，并模拟大脑对物象的方向滤波处理特性，在对图象连续分量亚抽样压缩编码的同时，对其非连续分量采用方向滤波，获得带有图象主要边缘特征的方向图象，在保证图象质量的前提下，高效率地压缩了图象，提出了基于视觉特性和图象两分量模型的图象编码方法，对此作了深入的分析和介绍，并在计算机上进行了模拟，取得了较好的效果。     

基于边缘比对的MR-PET配准算法

采用待配准图像的边缘梯度相关性代替传统的灰度相关性作为配准的目标函数,利用轮廓点比对的方法将待配准图像的轮廓像素点描述成具有时延关系的两组二维序列,并通过最小二乘法从两组序列的配对样本中求取最优变换参数.通过在颅脑 MR PET图像上进行的配准实验表明,采用边缘梯度相关性作为目标函数比直接利用灰度相关性作为目标函数获得了更好的配准结果,而采用轮廓点比对的方法进行参数寻优在保证了配准精度的情况下,较采用诸如遍历式搜索和遗传算法等方式,大大缩短了配准时间.     

基于SIFT算法的可见光宽带光谱图像配准方法研究

针对颜色与影像科学领域的可见光宽带光谱成像中存在的图像像素偏移问题,提出了基于SIFT算法的可见光宽带光谱图像配准方法。先利用SIFT算法提取图像特征点,再通过k-d树最近邻方法对特征点进行匹配,利用欧氏距离约束方法剔除错误匹配点,最后,利用均匀采样方法解决SIFT特征点容易聚集的问题,得到最优配准结果。在可见光宽带光谱图像配准实验中,基于均匀采样方法确定的最优配准结果与未经采样处理匹配点集的配准结果相比,配准之后的互信息值得到了显著提高。     

一种新的测地线主动轮廓图像分割方法

测地线主动轮廓模型是一种重要的图像分割方法,它对噪声图的分割效果很大程度上依赖于图像平滑的质量.为了使图像平滑和图像分割有机的结合起来,文中首先利用方向曲率模值提出描述图像平滑度的泛函,推导出一种四阶偏微分方程(PDE)图像降噪模型,它能在有效降噪的同时,保持良好的图像特征.该方法处理结果为分段线性图像,且在目标边缘处梯度存在阶跃.利用降噪结果的这一特点作为图像特征的描述函数,文中提出一种新的测地线主动轮廓(new geodesic active contour)模型.实验表明,新模型轮廓提取能力强、收敛速度快.以文中的降噪模型进行预处理,对基于区域的主动轮廓模型分割效果也有较大的提高.     

一种精确的图像拼接方法

全景图拼接是实现虚拟现实场景漫游的一种重要手段,本文利用SUSAN检测算子抽取图像的角点特征,然后用快速RANSAC算法配准图像,计算出图像之间的单应性矩阵,同时通过KLT跟踪,提高投影矩阵的精度.最后在图像融合中,采用像素值加权的方法.实验结果表明,文章提出的方法能有效提高配准精确性,并具有鲁棒性.     

基于序列图像的湍流退化图像复原方法研究

提出一种基于序列图像的湍流退化图像复原方法,该方法通过非刚性配准技术对湍流退化图像的变形进行校正,对校正后的图像再通过滤波的方法去除图像中残存的噪声,最终得到复原图像。实验表明,使用该方法对湍流退化图像进行复原能够得到较好的复原结果。     

全景拼图的实现技术

为了成功地实现360°无缝全景拼图,分析研究了图像拼接的现有理论,将基于灰度图像的求灰度值最小误差的方法应用于现实中的彩色图像,实现了图像的配准;并应用图像边缘检测技术,对图像配准的传统方法进行了改进,有效地提高了图像配准的精确度.同时,从理论上探讨了图像缝合技术中色差线性调整这一方法的不足,分析了图像缝合后横向条纹出现的原因,并提出图像中值的色差线性调整方法,消除了图像缝合后的横向条纹.     

基于多分辨率图像锥与Hausdorff距离的医学图像配准

提出了利用小波分解建立多分辨率图像锥和Hausdorff距离的医学图像配准方法。先利用小波方法建立多分辨率图像锥,然后根据梯度向量幅度提取分层图像的特征点,利用Hausdorff距离进行特征点集的匹配。该方法提高了配准的速度和精度,而且具有鲁棒性。     

基于开关式周围抑制的轮廓检测方法

传统的基于梯度的边缘检测算子旨在提取图像中所有由灰度变化引起的边缘,并不区分目标轮廓边缘和由杂波造成的干扰边缘。为提高这类算子在自然图像中检测主要轮廓边缘的性能,提出了基于开关式周围抑制的轮廓检测算法。与其他基于周围抑制的方法相比,该方法仅对干扰边缘进行抑制,对轮廓边缘不进行抑制,从而进一步提高了传统边缘算子的轮廓检测性能。利用自然图像和标准的参考轮廓边缘图像对该方法进行性能评估,结果表明,本文方法的轮廓检测性能优于传统的边缘算子及其他基于周围抑制的方法。     

一种基于互信息与梯度的图像精确配准方法

提出一种利用基于梯度加权的灰度归一化互信息相似性测度,并采用凹函数递减的权衡比重的粒子群优化算法作为搜索策略的多模图像精确配准方法。传统的基于灰度互信息配准方法往往只考虑灰度相关性,忽略或不当引入图像空间特征信息,配准容易陷入局部极值,从而出现误配。将灰度与梯度特征有效融合,即梯度加权到灰度互信息中,同时考虑了2幅图像的灰度统计相关性和图像空间特征信息,提高了多模图像配准的精度与稳定性。通过对遥感图像的拟配准与MR-PET医学图像的实际配准,证明了该方法效果良好,算法稳定,配准的准确率和参数精度都得到明显的提高。     

基于图像生成的多模态视网膜图像配准方法

针对多模态视网膜的全局粗配准,提出了一种基于图像生成的多模态视网膜配准方法. 不同于当前主流的提取多模态视网膜图像血管再进行配准的方法,使用GAN模型对不同模态的视网膜图像进行像素级映射,再通过特征点匹配的方式计算图像仿射矩阵,实现图像粗配准. 基于彩色眼底图像与荧光素血管造影图像的实验结果表明,该方法与当前主流的视网膜粗配准方法相比,具有快速且鲁棒的优势.