基于主成分分析与迭代最近点的三维膝关节配准

针对膝关节与假体空间坐标系不一致的问题,提出了一种基于主成分分析（PCA）与迭代最近点（ICP）算法相结合的三段式配准方法.采用PCA结合两次ICP算法的配准策略,对膝关节与关节假体的点云数据进行PCA配准处理,然后对得到的初始配准结果采用ICP算法进行调整,最后对调整好姿态的点云数据再次进行ICP配准,从而将其空间坐标轴调整到一致.实验结果表明,三段式配准方法相较于其他算法,可在保持较高配准精度的同时缩短配准时间.     

基于超体素双向最近邻距离比的点云配准方法

针对点云数据冗余和配准精度低的问题,提出了一种基于超体素的双向最近邻距离比匹配的配准方法。首先,利用超体素提取了具有稳定结构的目标特征点,同时提出了利用点云厚度分层进行非迭代的阈值去噪方法;然后,利用FPFH进行特征描述,提出了双向最近邻距离比方法对点云进行了初始配准;最后,提出了基于双级阈值的点云精确配准方法。采用标准数据库模型进行仿真分析,验证了算法的有效性。结果表明:本方法能有效剔除漂移噪声体素,配准精度高,鲁棒性强。与其他方法对比,在配准时间相近时,本文算法的配准精度提高74.2%;在噪声占比为6%和10%时,配准精度均提高67%以上。     

适应性距离函数与迭代最近曲面片精细配准

针对复杂曲面物体多视角激光扫描点云数据,提出从深度图像到完整几何模型的配准方法.根据空间点相对位置在刚体变换下的不变特性,利用曲率不变特征和归一化零均值互相关系数构造有效的初始匹配点对数组.基于单位四元数对匹配的特征点对进行坐标变换求解,完成数据粗略配准.探讨改正系数的确定方法与步骤,计算不同改正系数下的均值误差,得到最佳改正系数.运用适应性距离函数和改进迭代最近曲面片精细匹配技术,将不同视角点云在三维空间进行最优化匹配.根据匹配结果计算配准误差,对配准精度和速度进行统计分析.数值试验结果表明,该方法在保证配准精度的前提下能够有效地提高配准效率.     

基于最小生成树的点云数据去噪方法

为了保证重建的模型质量或模型配准的精度,提出采用基于最小生成树的聚类算法将点云数据中的噪点去除,并在尸体股骨上对这种骨表面点云数据的获取方法的可行性和噪点去除方法的有效性进行了验证。实验证明,这种数据获取方法是可行的,所采用的噪点去除方法也是有效的。     

双Kinect联合扫描点云配准方法

大型场景或者大尺寸物体的三维重建无法由单台设备完成,而由多台设备采集得到的点云位置偏移较大,一般的点云配准方法无法达到三维重建所需的精度。该文提出了一种基于Kinect标定的点云配准方法。首先通过棋盘格标定算法对两台Kinect进行标定,然后利用标定得到的相机内外参数计算不同视角下点云数据间的运动参数,接着根据得到的运动参数,对原始采集的点云数据进行初始配准。在此基础上,采用改进的迭代最近点算法,对初始配准后的点云数据进行精确配准。实验结果表明,与直接采用改进的ICP算法相比,该方法配准结果无明显的错位现象,且计算速度提高了15%左右。     

基于人工交互的多模态图像亚像素配准

基于特征点自动匹配的图像配准技术通常无法实现亚像素精度的配准,在多模态图像集上甚至无法完成整像素配准. 为了提高多模态图像配准精度,对亚像素图像配准技术进行研究,提出了一种基于人工交互的适用于多模态图像的亚像素配准算法. 对待配准图像和参考图像输入控制点,利用投影变换和最小线性平方差算法进行粗配准,根据双边平均配准误差对控制点进行亚像素调整,从而达到精确配准. 定性与定量实验结果表明,相比基于尺度不变特征和局部强度不变的特征描述符配准算法,该算法具备更高的配准精度,可显著提高多模态图像配准性能.     

CT图像引导脊柱外科配准方法研究

提出一种用于CT图像引导脊柱外科系统中,把患者物理坐标系和术前CT图像坐标系进行精确配准的方法.根据临床实际情况,在不依赖激光定位系统的条件下,先从图像和脊椎骨上选择三对对应点配准,得到一个初始稳定解;再通过阈值分割得到脊椎骨的表面点云,在初始解基础上,从脊椎骨表面选取更多点进行迭代最近点优化.应用共线性避免选点带来的初始配准误差,保证配准的可靠性,通过线性距离图提高配准速度.实验结果表明,该方法可在低成本条件下,实现精确便捷配准.     

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。     

一种基于角点特征的医学图像配准方法

医学图像配准技术是医学图像融合及影像三维重建的基础.提出了一种基于SUSAN算子的特征点的医学图像配准方法.该方法利用SUSAN算子提取两幅图像的角点,通过粗匹配和细匹配两个步骤建立特征点集之间的对应关系,得到匹配特征点对.然后再根据这些特征点使用反向映射的仿射变换实现图像的配准.实验表明,此方法能有效地实现医学图像的配准,并取得良好的精度.     

面向深度相机位姿优化的帧间点云数据配准算法

TOF相机能够同时采集灰度图像和深度图像从而优化相机位姿的估计值. 应用图结构调整框架优化多帧数据采集时的相机位姿,采用帧间配准决定优化的精度和效率. 从2帧图像上提取并匹配尺度不变特征点对,二维特征点被扩展到三维空间后,利用与特征点的空间位置关系将2帧三维点云配准;逐步应用提出的算法配准参与位姿优化的多帧点云中的任意2帧点云;最后将有效配准的点云帧对作为输入数据,采用图结构算法优化位姿. 实验结果表明,提出的帧间配准算法使得位姿估计值精度显著提高,同时保证了估计效率.     

快速四点一致性点云粗配准算法

为了解决四点全等集合(4-points congruent sets, 4PCS)在两片点云重叠率较低的情况下算法耗时长且配准容易失败的问题,提出快速四点一致性集合(fast 4-points congruent sets, F-4PCS)解决点云配准问题。给出一种新的选择四点基的方法,给定源点云和目标点云,分别提取出它们的边界,将边界扩展为边界特征带,在边界特征带中选取具有一致性的四点基集合,从而避免一些不必要的迭代。通过对四点基的特征限制,去除无效的四点基,减少算法的验证时间,提高计算效率。在相关数据集上的试验表明,在点云重叠率较低等情况下F-4PCS方法比4PCS方法更加高效且配准成功率较高。     

非线性扩散图像配准

针对非刚性图像配准方法中对形变域使用全局一致正则化方法的缺点,提出了一种基于非线性扩散的非刚性图像配准方法。运用变分原理推导了该方法的数学模型,并将图像局部信息嵌入到该模型中,非线性扩散系数根据图像特征自适应调整,使得形变域的不同区域得到了不同程度的平滑。为提高配准速度,采用加性算子分裂法求解偏微分方程。采用合成图像与MRI图像进行了实验,结果表明:与全局一致正则化方法相比,自适应扩散配准算法获得了更符合物理实际的形变,保持了形变域的局部细节,具有更好的配准精度。     

基于移动最小二乘的数据拼接ICP算法

ICP算法的关键是确立正确的对应点集.针对此问题,本文提出一种改进的ICP算法.首先对2片点云的重叠区域进行基于移动最小二乘(Moving Least-Squares,MLS)曲面拟合得到2片插补出的点云数据,并确立初始对应点,然后结合刚性、曲率等约束去除错误对应点对.实验结果表明:改进ICP算法可以有效地提高确立对应点的正确率,从而极大地提高数据拼接的精度.     

基于特征点的改进ICP三维点云配准技术

三维点云配准是三维面型反求中的关键和难点。提出了一种特征点三维点云配准技术。通过引入被测物的特征点,分析了坐标变换矩阵的求解方法,利用最小二乘算法求出初始变换矩阵,得到粗略配准结果。然后采用K-D树来加速搜索最近点,用均方距离作为误差度量准则实现了改进后的最近点     

基于散点图的Landsat 8影像可调阈值的云识别方法

提出针对Landsat 8影像的云识别方法SARM.在对云及其他地物进行光谱分析的基础上,使用Landsat 8可见光到近红外波段（波段1~5）和热红外波段（波段10、11）,构建基于像元的波谱面积比值.利用归一化植被指数（NDVI）和波谱面积比值构建影像的散点图,采用高、中、低3种云识别置信区间,完成对云的识别.以3景不同地区的Landsat 8影像为例进行实验,每景选取具有代表性的3个区域,每个区域10 000个像元进行精度分析.结果表明：波谱面积比值增强了云和下垫面的差异,更利于区分;基于波谱面积比值和NDVI的散点图,能够清晰地展现不同地类条件下云的分布特征;利用可调阈值的提取方法能够满足不同研究目的对云识别的需求;与已提出的3种云识别方法相比,总体精度提高10%左右.     

一种基于视觉测量的大型自由曲面拼接方法

针对不规则复杂大尺寸三维面型测量的问题,提出一种基于视觉测量技术的大型自由曲面拼接方法。将大型曲面分为若干子块,采用双摄像机面结构光方式获取局部子区域密集点云,在曲面上布置若干标志点,其坐标采取近景摄影测量方法获得,对这些标志点进行局部子块坐标系到全局坐标系的转换,得到自由曲面面型。避免了一般标志点拼接方法的累积误差,解决了非编码标志点匹配及匹配奇异问题。实验表明,在1065mm×1000mm×255mm范围内,用19块子区域进行拼接,平均拼接误差为0．045mm。     

Fast subpixel registration method for InSAR images

In conventional registration methods, image interpolation is used to extract subpixel offsets which lead to the limitation that the registration accuracy is restricted by the interpolation unit. Moreover, the computational burden is heavy when high accuracy is demanded. In order to reduce the computational load, we propose an efficient offset estimation method for interferometric synthetic aperture radar (InSAR) image subpixel registration. Firstly, a novel cost function continuously varying with offsets is established by integrating the empirical signal-to-noise ratio (SNR) and the interpolation operation. This suggests a more accurate registration since the accuracy of the estimated offsets does not depend on the interpolation unit. Secondly, an efficient bi-iterative algorithm is employed to solve the cost function in the continuous domain. The subpixel offsets associated with the maximum of the cost function can be exactly obtained with low computational complexity. Simulated and real data are tested to illustrate the good performance and computational efficiency of the proposed method.     

基于吸引区域的多模态脑磁共振图像仿射配准

针对单个对象的多模态脑磁共振图像之间的几何形变较小的情形,为达到全局优化的目的,提出一种基于吸引区域的多模态脑磁共振图像仿射配准方法.把配准优化搜索过程分成两个步骤：寻找包含全局最小值的吸引区域和在吸引区域中进行最小值搜索.该配准优化使用吸引区域里目标函数的近似对称性予以实现.对于正常人群和脑胶质瘤患者群,进行了磁共振 T1加权和扩散加权图像之间多模态配准实验,并使用两种相似测度对3种不同的配准方法进行评价,实验结果表明：该方法与传统的局部优化方法相比,配准后的相似性测度均有显著性改善.