基于全参数的分层搜索图像配准

在图像的超分辨率复原过程中,往往需要处理数量较多的模糊形变图像,这就需要进行图像配准,而目前常见的图像配准算法在配准精度和速度上常常不能达到令人满意的程度.为了二者都能达到实际需求,本文通过对仿射变换模型和配准算法的研究,提出快速、精确的全参数分层搜索算法,并用实验进行了仿真.     

一种基于边缘特征的图像配准方法

采用一种基于边缘特征的图像配准方法,首先通过小波变换来提取图像的边缘,然后将人工选择的边缘点代入仿射变换模型,得到配准参数（每选择一组不同的边缘点,就会得到不同的配准参数）。在不同的配准参数条件下,计算两幅图像的交互方差。取交互方差最小时所对应的配准参数为最终的配准参数。最后再利用仿射变换模型对待配准图像进行平移、旋转、缩放得到最终的配准图像。     

矿井车载视频图像稳像算法研究

针对矿井车载摄像系统拍摄的视频因含有前景运动目标及高噪声造成的全局运动矢量估计误匹配率高、实时性较差等问题,提出了一种基于ORB特征匹配与改进粒子滤波的矿井车载视频图像稳像算法。在运动矢量估计阶段,采用ORB算法提取图像特征点;采用基于图像块的连续3帧间差分法,联合时空一致性准则快速剔除前景运动区域的特征点;结合前景标记区域,对特征点位置进行初次筛选,对保留下来的背景特征点进行配准;利用仿射变换模型实现帧间运动矢量的估计。在运动滤波阶段,采用基于估计窗的实时粒子滤波算法滤除抖动分量,获得补偿参数。实验结果表明,该算法有效避免了前景运动目标对稳像精度的影响,且具有较快的处理速度。     

基于最大互信息的红外与可见光图像配准

图像配准是图像融合技术的基本环节和首要问题。该文针对红外与可见光两种不同波段图像的配准技术进行了研究,分析了两者配准的特点,并提出了基于最大互信息的配准算法。算法利用Sobel算子对图像进行边缘增强,完成图像的预处理,然后基于仿射变换建立图像变换模型,并按照最大相关原则确定最佳配准参数,从而实现红外与可见光图像的配准。实验结果表明,该方法可以实现红外和可见光图像的配准。     

基于角点特征的自动图像配准

针对图像配准对时间和精度的需求,本文提出适用于角点特征的配准算法：提取两幅图像的角点构造三角形,计算三角形的角度,寻找两幅图像对应的相似三角形,用三角形的顶点坐标求得仿射变换系数,参考图像进行仿射变换,与待配准图像比较相似性,最大相似性对应的变换图像为配准结果。引入强角点和Harris角点对该算法进行验证。与Fourier-Mellin和基于RANSAC寻找匹配点对角点配准算法比较,实验数据表明该算法的快速准确,并具有一定的抗噪性。     

基于变分和互信息的先验形状配准算法

针对带先验形状约束的几何活动轮廓模型中的形状配准问题,提出一种基于变分方法和最大互信息准则的先验形状配准算法。利用变分配准模型计算仿射变换参数,将其作为互信息配准算法的初值,通过Powell优化算法计算仿射变换参数的最优解。实验结果表明,该算法在保证配准精度的同时,能明显提高计算效率。     

宽场景仿真中的图像配准算法

为了提高实时宽场景图像拼接应用中的图像配准精度和配准速度,提出了一种利用相机标定信息与相位相关技术相结合的图像配准方法。利用相机间的相对位置参数计算待拼接图像间的旋转和缩放模型,利用相位相关技术求解图像间的平移转换参数。通过理论推导对缩放模型的误差分布进行分析。实验结果证明,该算法理论推导正确,在场景深度范围较小情况下,图像拼接准确快速。     

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。     

一种混杂的图像配准方法

提出一种基于特征和亮度的混杂图像配准方法．首先对源图像进行小波分解,在小波金字塔最顶层的低频近似子图像上进行角点检测,通过仿射变换模型得到初始配准参数,然后将这一参数逐层进行迭代精炼,直至达到金字塔最底层,得到最终精确的配准参数．将这些不同配准方法结合起来,可以克服单独使用任一方法存在的不足,理论分析和实验结果表明,这种混杂图像配准算法精度较高．     

基于卷积神经网络和校正网络相结合的遥感图像配准方法研究

使用仿射变换网络对遥感图像进行空间变换,批量生成训练图像,将特征提取和匹配放在卷积神经网络的端到端架构中,直接预测仿射变换参数;通过采用校正网络对卷积神经网络的结果进行改进,实现遥感图像更加精确的配准.通过与SIFT算法、SURF算法和其他深度学习方法相比,该方法对遥感图像配准的速度和精度均有显著提升.     

Robust Non-rigid Registration Based on Affine ICP Algorithm and Part-Based Method

The classical affine iterative closest point (ICP) algorithm is fast and accurate for affine registration between two point sets, but it is easy to fall into a local minimum. As an extension of the classical affine registration algorithm, this paper first proposes an affine ICP algorithm based on control point guided, and then applies this new method to establish a robust non-rigid registration algorithm based on local affine registration. The algorithm uses a hierarchical iterative method to complete the point set non-rigid registration from coarse to fine. In each iteration, the sub data point sets and sub model point sets are divided, meanwhile, the shape control points of each sub point set are updated. Then we use the control point guided affine ICP algorithm to solve the local affine transformation between the corresponding sub point sets. Next, the local affine transformation obtained by the previous step is used to update the sub data point sets and their shape control point sets. Experimental results demonstrate that the accuracy and convergence of our algorithm are greatly improved compared with the traditional point set non-rigid registration algorithms.     

基于仿射变换模型的图象特征点集配准方法研究

图象配准是计算机视觉中目标识别的一种基本方法,其目的是在待识别图象中寻找与模型图象的最佳匹配.目前,对于图象间的变换为相似变换的情形已有闭合公式.本文则分别运用最小二乘和矩阵伪逆两种方法,对图象间的变换为仿射变换的情形进行了研究,并给出了简单的闭合公式.实验表明这种方法精确、稳定、受噪声影响小.     

基于曲率的全仿射曲线图像配准

为了解决视点变化造成曲线图像匹配和识别困难的问题,利用全仿射模型建立仿射变换图库,在图库样本中通过曲率信息找出与目标样本相关性最优的样本,从而达到曲线图像匹配和识别的目的。基于曲率的全仿射曲线图像匹配的方法, 首先根据全仿射模型对样本图像建立样本库,对样本库中每一个样本通过等间隔偏移进行采样,然后对采样后的子样本建立曲率样本子集,将目标图像与样本子集中的每一个样本进行快速最近邻搜索算法相似性匹配;最后通过匹配结果,找到最优匹配样本。实验结果表明,基于曲率的全仿射曲线图像配准具有较高的成功率,并且与传统算法相比具有更多的优点。     

基于FAST和DAISY的遥感图像配准算法

图像配准是计算机视觉中诸多问题的基础,基于图像特征的配准方法仍然是该领域的研究热门。为了提高算法的效率,拥有更好的实用性,本文提出了一种基于FAST-DAISY的遥感图像配准方法。首先运用FAST算法提取特征点,提出分配主方向的方法,利用DAISY算法建立描述符,得到特征点集后,使用RANSAC(随机抽样一致性)算法剔除误匹配点对,最终估计仿射变换参数,利用二次线性插值法得到配准后的遥感图像。实验结果表明,本文算法对于平移、旋转、灰度差异、地物差异、位置差异、小尺度差异和噪声干扰的遥感图像有较好的配准效果,匹配时间通常介于SIFT算法和SURF-DAISY算法之间。综上所述,该算法在实用性上有较大优势。     

自适应分层搜索配准算法的研究与实现

在运动过程中荻取图像时,往往得到多帧模糊图像,这需要进行多帧超分辨率重构,其中第一步就是图像配准。目前常见的配准算法在配准精度和速度上都不能达到令人满意的程度。为了在配准精度和建库上都能达到实际需求,文章通过对仿射变换模型和配准算法的研究,提出了具备自适应功能的分层搜索算法。实验结果显示该方法收敛效果好、速度快、精度高、鲁棒性强。     

基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。     

基于分块互信息和量子粒子群算法的图像配准

多模图像的配准是图像融合等图像处理需要先行解决的问题.本文提出了一种基于分块互信息和量子粒子群的配准方法,在配准中利用分块互信息值为相似性测度,并用量子粒子群算法求解配准所需的空间变换参数.实验表明:该方法能够避免陷入局部极小值而且速度得到明显改善,其运用于多模图像配准,可以得到理想的效果.