基于Fourier-Mellin的图像配准算法研究

提出了一种基于Fourier-Mellin的图像配准算法．通过对图像进行加窗、滤波等处理,消除了图像的边界效应产生的伪高频部分,减少了混叠现象,增大了图像的信噪比,提高了图像相关算法的有效性和精度．实验结果表明本算法有效．     

基于SIFT图像配准算法优化研究

为了满足在图像配准过程中对于准确度和稳定性的要求,提出一种基于SIFT和改进的RANSAC图像配准算法。首先采用SIFT算法进行特征点提取和最近邻匹配方法进行粗匹配,然后对RANSAC算法进行改进,对两幅图像中关键点相似性的评价函数进行改进和优化,实现关键点对的精准匹配,最后进行图像配准。实验表明,算法能够提高图像匹配的准确度同时降低图像匹配时间,具有一定的适用性。     

畸变图像的有效配准算法

镜头畸变是导致图像质量降低的主要因素之一.通常在图像存在畸变情况时,要先通过图像畸变校正方法来减小畸变对图像的影响,但校正过程较为复杂.本文提出了一种新的畸变图像的有效配准算法,算法分为初始匹配和松弛优化匹配两步,初始匹配算法采用圆投影匹配算法,松弛匹配算法则以向量旋转角的旋转和缩放不变性特征作为初始匹配对的优化准则,首先计算向量旋转角度差值,然后通过构造支持度函数和剔除策略选出最优匹配对.实验证明,该算法在图像非线性畸变误差较大的情况下也能够实现正确匹配.     

基于相似图像配准的图像修复算法

传统基于纹理合成的图像修复算法只能从破损图像中提取有用信息,不能修复复杂结构;基于深度学习的修复算法训练时间长,纹理合成效果不理想.为解决上述问题,该文提出了一种基于相似图像配准的图像修复算法.首先提出一种破损图像的相似度计算方法,利用图像的深度学习特征,在数据库中寻找与之最为相近的图像,为修复过程提供更多的有效信息;...     

基于ICP算法的掌纹图像配准研究

针对图像配准经典迭代最近点(ICP,iterative closest points)算法存在的收敛效率低、容易陷入局部收敛的问题,给出了一种基于掌纹图像识别的改进ICP算法。该算法结合经典ICP算法和掌纹识别算法的优势,同时准确地嵌入容器模板类来存储图像的像素坐标信息,并引入二元搜索树(k-d tree)来寻找最近点集合,最终得到一个基于香港理工大学公开掌纹图像库的图像配准程序系统。实验表明:通过该系统所得到的结果具有较好的鲁棒性和适用性。     

图像拼接中surf配准算法的研究

图像拼接技术作为获取全景图像的工具,已经受到越来越多学者的关注。为了得到良好的拼接图像,减少图像空间几何畸变,便要对图像进行严格的配准。Surf(Speed-Up Robust Feature)算法是近年来图像配准的研究热点之一。对传统surf配准算法进行理论分析并在此基础上提出改进算法,特征点检测时,利用设立阈值来去除多余的特征点,并用MATLAB软件对改进算法进行仿真分析。实验结果表明,改进后的算法虽然减少了特征点个数,但增加了配准的成功率,前后性能相当且速度更快。     

基于十字模板的数字减影图像配准快速算法

提出一种基于十字模板的数字减影图像配准快速算法.采用块匹配法消除几何失真带来的运动伪影.选择不受血管区域影响的差值直方图能量尺度作为相似性尺度.通过计算图像梯度信息,选取边缘区域像素作为控制点,既改善减影图像质量,又提高运算速度.用十字模板替代传统块匹配法中常用的矩形模板,可减少直方图统计中的像素数量,缩短计算时间.对比矩形模板和十字模板的差值直方图能量搜索结果,发现参数选取适当时,改变模板形状不影响控制点运动位移量的正确确定.对十字模板中像素进行采样,可进一步压缩像素数量,提高运算速度.实验结果表明,改变模板形状后,图像配准速度显著加快,且减影图像质量保持良好.     

基于投影的fMRI时间序列图像配准方法研究

利用投影技术,针对功能磁共振时间序列图像,介绍了一种新的自动图像配准方法。该方法将序列图像二值化后沿着水平方向或垂直方向进行投影,根据投影向量元素的位置和大小,快速地计算出图像的旋转、平移运动的变化参数。仿真实验和实际的功能磁共振应用证实了该方法的有效性。     

改进的SIFT特征图像配准算法

在研究SIFT特征配准算法基础上,针对SIFT特征描述符的区域性特征,采用马氏距离对SIFT算法误匹配点进行剔除,以减少错误匹配,进而提高图像配准的正确率,并应用于纹理图像的配准.     

基于SURF的图像配准改进算法

为了更好地在保证图像配准的速度前提下,提高配准的精度,本文提出一种新的基于SURF的图像配准改进算法。改进算法将单向匹配与方向一致性约束两者结合起来,先对待配准图像进行单向匹配,再计算出各个匹配点对之间的特征向量方向差值,当差值在一定阈值范围内时认为匹配成功,从而剔除错配点对,提高匹配的精度。实验结果表明,该算法在保证不增加匹配的时间前提下,提高了匹配的精度。     

干涉合成孔径雷达复图像自动配准算法

提出了一种基于曲线特征的干涉合成孔径雷达（InSAR）复图像对的自动配准算法．该算法借助于B-样条拟台特征曲线，利用BFGS拟牛顿法加速最小均方误差拟合．通过相干系数法实现了曲线段的匹配．采用最小二乘法计算仿射变换参数．基于实测数据的实验结果表明．该算法具有精度高、稳健性强和计算复杂性较小的特点．     

归一化积相关Brisk图像配准算法

首先应用归一化积的相关系数进行图像块的匹配,对匹配成功的图像运用AGAST算法提取特征点,再将提取的特征点应用Brisk描述子进行描述,最后应用汉明距离对Brisk描述子进行匹配。     

一种改进SURF算法的图像配准

SURF(speed-up robust features,即加速健壮特征)算法是一种尺度不变、旋转不变且性能较好的算法,但其稳定性和时间复杂度不足,不稳定的特征点被检测出来,会导致多余的计算。为此,提出用信息量扩展SURF检测算子和分特征集匹配方法,提高算法性能和配准速度,即先检测周围Hessian值最大的特征点,再用SURF算法计算特征点的信息量,然后根据尺度分解特征集成亚集,再根据亚集匹配,最后根据RANSAC和最小二乘法配准。实验结果证明,改进算法的配准性能与SURF算法相当,配准速度比SURF算法更快。     

基于膜计算的多模态图像配准算法研究

图像配准是图像融合的前提,具有重要的研究价值。传统的基于智能进化的优化算法在进行图像配准时,存在配准精度低,收敛速度慢的问题。利用膜计算的并行协同进化特性,提出一种在膜计算框架下的多模态图像配准算法,即GA-MCIR算法。设计一种细胞型P系统的膜结构,细胞膜中1个对象表示1组浮动图像变换参数,每个基本膜采用遗传算法进化对象获得最优变换参数,并将最优对象转运到上层膜中,同时所有基本膜之间随机进行最优对象转运操作。通过以上2种转运操作,上层膜保留本膜中本次进化的全局最优对象,并将其转运到各子膜中,参与各子膜的进化。最终,整个P系统的最优变换参数保留在表层膜中。将CT脑部图像和可见光与红外光图像等多模态图像进行配准实验,其结果表明,所提算法相比于基于GA和PSO的图像配准算法具有更高的配准精度、更好的全局收敛性。       

基于KAZE特征匹配的偏振图像配准算法研究

偏振成像系统主要通过多相机或多通道成像,图像之间存在平移或旋转,偏振解析前必须进行图像配准,否则可能会产生虚假偏振信息。传统的配准算法主要有SIFT和SURF的特征配准算法,但其采用线性高斯金字塔进行多尺度分解来消除噪声和提取特征点,易造成边界模糊和细节丢失。本文从非线性尺度空间构建出发,提出一种基于KAZE特征匹配的偏振图像配准算法。首先,利用Hessian矩阵寻找特征点及其描述向量;然后以最小Hamming距离作为特征点的度量,计算单应矩阵并利用双线性插值实现不同偏振方位角图像之间的配准;最后,以FD1665P相机拍摄的图片为样本进行了实验验证。实验结果表明,本文算法相对基于SIFT和SURF特征点匹配的配准算法,归一化互信息增大、均方根误差减小,配准精度有很大提高。     

基于仿射变换的双波段红外图像配准算法研究

图像配准是图像融合技术中的首要环节,只有经过配准的图像才能够进行融合。虽然双波段红外探测器探测的是同一场景,但是由于光学系统的构造产生了两幅图像,而两幅图像之间却存在了几何位置上的差异,所以在本文中提出一种配准方法。通过点检测方法获取图像的特征点,然后再选取其中两组较为明显的特征点组,再根据仿射变换关系式,确定其中的模型参数,并且对图像进行配准。     

基于力学分解原理的断层图像配准算法

为了通过配准的手段得到信息融合的医学图像,利用力学的分解原理将待配准图像的轮廓信息解释为一系列边界力的合成,将待配准图像的力图投影分量描述成具有角度延迟关系且与平移位置无关的两组周期信号,并采用两组信号间的最小均方误差作为配准的目标函数,利用改进的粒子群优化算法求解得到两幅图像的空间变换参数．通过在颅脑（MR）图像上进行的配准实验表明,在寻优方法一致的情况下采用力学图像的目标函数比采用其他目标函数大大缩短配准时间,且配准误差达到了亚像素级以下．     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。     

基于FAST角点检测的图像配准算法

提出了一种具有类SIFT描述特征的FAST角点检测的图像配准算法。先利用FAST对图像进行特征点提取;然后,采用圆环结构算子对提取出的特征点进行类SIFT的特征描述;最后,通过K-D算法将提取出来的特征点进行粗匹配,并使用视差梯度进行预筛选,使用RANSAC算法提纯,从而实现特征点匹配。试验结果表明,与SIFT算法和改进的SIFT算法相比,本算法减少了误匹配的数目,提高了匹配的精确性和稳定性。