非刚性医学图像配准研究综述

非刚性配准技术是医学图像配准中的一个重要研究课题,是非刚性组织配准,不同个体之间的配准以及个体同图谱配准的基础。该文提出了多项式法、样条函数法等基于空间变换的配准方法,以及弹性模型、粘性流体模型和光流场模型等基于物理模型的配准方法两大类方法。同刚性配准相比,非刚性配准技术还不成熟,计算效率和稳定性还需要进一步提高,仍是一个非常活跃的研究领域。     

一种遥感图像的配准方法

综合利用、处理多源遥感图像数据理论与方法的需求越来越多,其中配准是使用遥感图像中重要的预处理步骤.SIFT算法首先在尺度空间进行特征检测,并确定特征点的位置和特征点所处的尺度,然后使用特征点邻域梯度的主方向作为该特征点的方向特征.然后使用RANSAC算法剔除误匹配点,使用最小二乘法拟合图像的变换函数.试验证明了SIFT...     

多源遥感图像配准技术综述

从成像光谱特性、成像分辨率和成像模式等方面对可见光、红外、高光谱和合成孔径雷达传感器的成像特点进行分析,根据一致性特征描述方法对多源遥感图像配准算法进行分类,指出多源遥感图像具有成像特性变化大、相关度小、匹配特征的空间分布不均匀等特点,其配准技术的关键在于提取不变的图像特征以及得到有效的匹配特征。     

基于SIFT图像特征匹配的多视角深度图配准算法

为有效地解决多视角深度图配准问题,提出一种新的配准算法.首先给出一种深度图数据图像化方法,根据深度图包含的像素信息和网格顶点处的曲率值创建特征图像;然后通过对特征图像进行SIFT特征检测与匹配来获得特征点与匹配关系,从而得到原始深度图上的特征点与匹配关系;最后采用投票和预配准方法去除误匹配,实现递增式多视角深度图配准.模拟噪声实验和多个实际测量深度图的配准实验结果验证了该算法的鲁棒性和有效性.     

高分辨率遥感图像配准并行加速方法

基于SIFT算法的遥感图像配准精度高、稳定性强,但图像幅宽大、提取特征点数量多使得配准过程耗时长。提出了一种高分辨率遥感图像配准的并行加速方法。该方法在特征点提取时利用GPU实现了高斯金字塔建立过程中的并行加速,并对提取出的大量特征点使用共享内存来进行局部极值高速缓存,降低了特征点提取所需的运算时间;同时通过分块处理以及OpenMP多线程技术实现了特征点匹配及仿射模型计算过程的CPU并行处理。实验表明:本方法相对于传统的SIFT算法平均加速3倍,并且对于固定大小的图像,本方法的特征点提取时间和特征点个数具有线性关系,加速比随着提取出特征点数量的增加而增大。     

图像配准技术研究

图像配准技术是图像拼接技术最关键的步骤,图像配准的好坏直接决定了图像拼接结果的优劣。对图像配准工作进行了总结,介绍了基于区域的图像配准和基于特征的图像配准方法,并分析了各个方法的优缺点,同时指出了现有图像配准算法存在的问题和发展的方向。     

基于频域的遥感图像互信息配准方法

针对直接利用互信息进行图像配准存在的误差和插值假象问题,结合图像的频谱特性提出了基于频域的互信息计算方法,引入退火的思想改进了梯度上升法,利用它迭代搜索互信息最大值,使用相关长度估算最佳参数域,使得参数初始化更接近于最大值。实验结果表明,该方法对于多谱段遥感图像,较之传统方法具有明显的收敛性和稳定性。     

基于多薄板样条的多视角非刚性配准算法EI北大核心CSCD

为解决多视角配准中带有低频非刚性形变的深度数据容易产生累积误差、重叠区域未对齐等问题,提出一种基于多薄板样条的多视角非刚性配准算法.首先通过局部迭代最近点刚性配准算法得到重叠视角深度数据之间的对应点;然后基于多薄板样条的全局优化能量公式为每个视角求解一个薄板样条变换,使所有对应点之间距离的平方和最小;最后将优化后的薄板样条变换应用于每个视角的深度数据.通过在优化模型中引入初始点位置约束,该算法能使配准后的数据尽可能保持初始形状.为了加快求解速度,迭代地求解每个薄板样条变换,并且在优化过程中增量式地引入径向基函数.实验室结果表明,文中算法有较高的精度和效率,能够有效地减少累积误差并且提升重叠区域的对齐效果.     

基于混合特征的非刚性点阵配准算法

提出一种基于混合特征的非刚性点阵配准算法.该算法包含了对应关系评估与空间变换更新两个相互交替的步骤.首先定义了两个特征描述法用于描述两个点阵之间的全局和局部几何结构特征差异,随后合并这两个特征描述法建立一个基于混合特征的能量优化方程.该能量优化方程可以利用线性分配技术进行求解,同时可以灵活地选择使用最小化全局结构特征差异或最小化局部结构特征差异来评估两个点阵之间的对应关系.为了增强前述两个步骤之间的协调性,我们利用能量权重调节在整个配准过程中控制能量优化从最小化局部结构特征差异逐步转变为最小化全局结构特征差异,同时控制用于空间变换的薄板样条函数（Thin plate spline）的更新从刚性变换逐步转变为非刚性变换.我们在二维轮廓配准、三维轮廓配准、序列图像配准和图像特征点配准下对本文算法进行了各项性能测试,同时也与当前8种流行算法进行了性能比较.本文算法展现了卓越的非刚性配准性能,并在大部分实验中超越了当前的相关算法.     

一种基于SIFT特征的快速逐层遥感图像配准方法

当前SIFT特征分层配准方法中存在特征点匹配复杂度高以及不同时相地物变化导致特征点误匹配等问题,提出一种基于SIFT特征的“低分辨率配准\,高分辨率验证”快速逐层遥感图像配准方法。该方法针对同源同分辨率不同时相的遥感图像,通过在金字塔的低分辨率图层匹配特征点对并建立仿射变换模型,在金字塔的高分辨率图层评估并修正模型。实验表明：提出的方法在保证配准精度的前提下,有效提高了配准算法的效率。
     

参数合成空间变换网络的遥感图像一致性配准

目的 遥感图像配准是对多组图像进行匹配和叠加的过程。该技术在地物检测、航空图像分类和卫星图像融合等方面发挥着重要作用，主要有传统方法和基于深度学习的方法。其中，传统遥感图像配准算法在进行配准时会耗费大量人力，并且运行时间过长。而基于深度学习的遥感图像配准算法虽然减少了人工成本，提高了模型自适应学习的能力，但是算法的配准精度和运行时间仍有待提高。针对基于深度学习的配准算法存在的问题，本文提出了参数合成的空间变换网络对遥感图像进行双向一致性配准。方法 通过增加空间变换网络的深度、合成网络内部的参数对空间变换模型进行改进，并将改进后的模型作为特征提取部分的骨干网络，有效地提高网络的鲁棒性。同时，将单向配准方法改为双向配准方法，进行双向的特征匹配和特征回归，保证配准方向的一致性。然后将回归得到的双向参数加权合成，提高模型的可靠性和准确性。结果 将本文实验结果与两种经典的传统方法SIFT（scale-invariant feature transform）、SURF（speeded up robust features）对比，同时与近3年提出的CNNGeo（convolutional neural network architecture for geometric matching）、CNN-Registration（multi-temporal remote sensing image registration）和RMNet（robust matching network）3种最新的方法对比，配准结果表明本文方法不仅在定性的视觉效果上较为优异，而且在定量的评估指标上也有不错的效果。在Aerial Image Dataset数据集上，本文使用"关键点正确评估比例"与以上5种方法对比，精度分别提高了36.2%、75.9%、53.6%、29.9%和1.7%；配准时间分别降低了9.24 s、7.16 s、48.29 s、1.06 s和4.06 s。结论 本文所提出的配准方法适用于时间差异变化（多时相）、视角差异（多视角）与拍摄传感器不同（多模态）的3种类型的遥感图像配准应用。在这3种类型的配准应用下，本文算法具有较高的配准精度和配准效率。     

基于特征约束与光流场方法的遥感图像配准

同一卫星的全色与多光谱图像由于拍摄时间不同、传感器视角有差异等原因,存在复杂的非刚性变形.针对上述问题,提出一种基于特征约束与光流场方法的配准方法.光流场方法是基于物理模型的配准方法,可以处理复杂的非刚性变形;特征约束可以提高配准精度;采用网格分割的方法分配特征点的光流场,可以提高配准的鲁棒性.以资源三号卫星图像为实验数据,实验结果表明,该方法能够取得较高精度和较好鲁棒性.     

基于控制点配准算法的无人机遥感影像自动无缝拼接技术

传统无人机遥感影像自动无缝拼接技术无法精准匹配影像信息,导致无人机遥感影像拼接结果出现大量缝隙,拼接效果差。因此提出了基于控制点配准算法的无人机遥感影像自动无缝拼接技术。遵循无人机影像成像原理,获取无人机遥感影像,并将数据以图像格式文件形式存储。设置阈值,剔除最邻近域和次邻域比值大于阈值的控制点,对影像坐标平移和缩放数据标准化处理,彻底消除坐标变换对图像配准影响。构建相似变换矩阵,获取新的控制点集,使用直接线性变换算法预估变换矩阵,得到线性解。经过粗、细配准,确定不同图像重叠区域。搜索最佳拼接线,使用加权平均融合法消除拼接缝,由此设计拼接流程。由实验结果可知,该技术能够精准匹配影像信息,检测到影像最大分辨率为1000*800,具有良好拼接效果。     

多源遥感影像多项式配准精度影响因素分析

影响遥感影像配准精度的因素众多,基于多项式配准模型在遥感影像配准中的应用,针对地形起伏、控制点分布、多项式配准模型次数、配准影像的多源异质性等影响多源遥感影像配准精度的因素,采用TM、SPOT和SAR等多源遥感影像进行了广泛的多项式配准实验分析,总结得出了上述各因素对多源遥感影像多项式配准精度的影响规律,为多源遥感影像的多项式配准实践提供一定的指导。     

高分辨率遥感影像空间结构特征建模方法综述

高分辨率遥感影像能够提供详细的地面信息,具有复杂的空间结构特征。有效地描述和建模这种结构特征对实现影像解译、目标识别与提取以及场景理解等具有重要的作用。首先介绍了高分影像结构特征的概念和内涵,将结构特征划分为像元结构、目标结构和场景结构3个层次;然后对高分影像结构特征描述与建模方法进行了系统的综述,介绍了这些方法的基本思想、分析了其研究现状,并指出了存在的一些问题;最后给出了总结和展望。     

基于异常区域感知的多时相高分辨率遥感图像配准

在对多时相高分辨遥感图像进行配准时,由于成像条件差异,图像间存在的地物变化与相对视差偏移两类典型异常区域会影响配准精度。针对上述配准中存在的问题,提出一种基于异常区域感知的多时相高分辨率遥感图像配准方法,包括粗匹配和精配准两个阶段。尺度不变特征变换（SIFT）算法考虑到尺度空间属性,不同尺度空间提取的特征点在图像中对应不同大小的斑块,高尺度空间提取的特征点对应图像中的大斑点,其对应地物相对稳定、不易发生变化。首先,利用SIFT算法提取高尺度空间特征点完成图像快速粗匹配;其次,利用灰度相关性度量对图像块进行相对偏移量统计分类以感知视差偏移区域,同时结合空间约束条件,确定低尺度空间特征点的有效提取区域以及匹配点搜索范围,完成图像精配准。实验结果表明,将该方法用于多时相高分辨遥感图像配准,可有效抑制异常区域对特征点提取的影响进而提高配准精度。     

采用分裂Bregman的遥感影像亮度不均变分校正

目的 遥感影像成像过程由于受到传感器自身以及其他一些外部环境因素的影响,往往会呈现出整体的亮度不均,导致遥感影像解译和制图精度的降低。因此,需要对遥感影像进行亮度不均匀校正,提高影像的质量。方法 感知驱动的亮度不均变分校正方法,是一种新型的单幅遥感影像亮度不均校正方法,它受人眼视觉系统特性的启发,能够在有效校正影像整体亮度的同时增强局部对比度。本文用分裂Bregman迭代实现了对感知驱动亮度不均变分校正模型的最优化求解,在实现对影像整体亮度不均校正的同时,大幅提高了计算效率。结果 模拟实验和真实实验结果均表明,采用分裂Bregman的亮度不均变分校正模型需要较少的计算时间,从效率上比采用最速下降法的校正模型提高了约67倍。结论 分裂Bregman方法能够有效求解感知驱动亮度不均变分模型,在保证校正结果整体亮度均匀,局部对比度增强的前提下,大大提高运算效率。