基于B样条插值函数的人脑MR图像非刚体配准方法

提出了一种B样条插值函数结合图像特征标记的人脑MR图像非刚体配准方法。图像的特征标记选取图像的内外部轮廓来描述,目标和源特征之间的对应关系通过距离图来自动获得。形变过程采用B样条曲面函数插值来完成。通过多级B样条插值方法,即先全局计算后局部细化的方法来逐步优化形变结果。实验表明,该算法在不失准确度的前提下,具备较快的计算速度。     

连续体结构的参数化水平集统一优化

针对传统分步式结构优化设计的不足,提出一种同时进行结构拓扑、形状和尺寸统一优化的设计方法.首先采用水平集函数描述统一的结构优化模型和几何尺寸边界,通过引入紧支径向插值基函数将结构拓扑优化变量、形状优化变量和尺寸优化变量变换为基函数的扩展系数;然后取该扩展系数为设计变量,借助一种参数的变化表达3种优化要素对结构性能的影响,将复杂的多变量优化问题变换为相对简单的参数优化问题,有利于与相对成熟的优化算法相结合提高求解效率;进一步用R函数将其融合为一个整体,构造出统一优化模型,并用最优化准则法进行求解.最后通过数值案例证明了该方法的有效性和精确性.     

基于维基百科的气象本体的自动构建

随着语义检索技术在众多领域的不断发展应用,领域本体需求越来越大,手工构造不能满足本体应用的需求。本文从现有本体自动构建方法着手,总结本体自动构建的一般方法,分析以维基百科结构化数据为基础进行气象本体自动构建的可能性,基于网络链接相互性系数,提取有效子分类;定义距离跳数,进行有效条目的提取,最后提出基于维基百科的气象本体自动构建方法。实验结果表明,该方法能够达到本体构建的要求,具有速度快、人工干预少的特点,对本体在气象领域的应用具有一定的促进作用。     

基于变分贝叶斯层次概率模型的非刚性点集配准

非刚性点集配准是计算机视觉和模式识别领域的基础研究问题,现今的非刚性点集配准算法在存在大量离群点、噪声、点集对应关系缺失、旋转和形变情况下,不能非常准确地评估出两个点集间的对应关系.本文通过交替执行点集对应关系评估和空间转换更新两个步骤来逐步恢复点集间一一对应关系.在对应关系评估步骤,首先本文基于有限重尾学生t分布隐变...     

基于自适应聚类的图像配准方法

针对现有的特征点匹配方法存在计算耗时的缺点,无法满足实时处理的要求.本文提出一种基于自适应聚类的图像配准算法.该算法根据视差约束条件,对候选匹配点对粗筛选,删除大部分错误匹配点,实现了快速的图像配准.实验结果表明,在保证算法正确性的同时,提高了整体算法的速度.     

一种新的基于Legendre矩的fMRI图像配准方法

提出了一种脑功能磁共振图像配准的方法。Legendre正交矩可以用来作为图像配准的策略，它的快速计算至关重要，边界的拟合精度和速度对Legendre矩的计算影响很大。根据推导出的Legendre矩的边界特点，提出了采用四连通链码法和改进的矢量斜率法进行边界拟台，从而解决了Legendre矩快速计算的问题。采用遗传算法进行多参数配准策略优化，避免了局部极值的干扰。改进的Legendre矩配准方法是一种快速脑功能图像配准方法。     

基于压缩域的脑成像大数据体可视化方法

脑科学是当今国际科技研究的前沿邻域,而对高精度脑成像数据进行可视化是脑神经科学在结构成像方面的基础性需求。针对高精度脑成像数据可视化过程中存在的数据量大以及绘制效率低的问题,提出了基于分类分层矢量量化和完美空间哈希相结合的压缩域可视化方法。首先对体数据进行分块,记录每块的平均值并依据块内体数据的平均梯度值是否为0进行分类;其次运用分层矢量量化对平均梯度值不为0的块进行压缩;然后用分块完美空间哈希技术存储压缩得到两个索引值;最后对上面的压缩体数据进行解码得到恢复体数据,采用分块完美空间哈希对原始体数据与恢复体数据作差得到的残差数据进行压缩。绘制时,只需将压缩得到的数据作为纹理加载到GPU内,即可在GPU内完成实时解压缩绘制。实验结果表明,在保证较好图像重构质量的前提下,该算法减少了数据的存储空间,提高了体可视化的绘制效率,从而可以在单机上处理较大的数据。     

A Fourier Domain Framework for Variational Image Registration

Vector fields arise in many problems of computer vision, particularly in non-rigid registration. In this paper, we develop coupled partial differential equations (PDEs) to estimate vector fields that define the deformation between objects, and the contour or surface that defines the segmentation of the objects as well. We also explore the utility of inequality constraints applied to variational problems in vision such as estimation of deformation fields in non-rigid registration and tracking. To solve inequality constrained vector field estimation problems, we apply tools from the Kuhn-Tucker theorem in optimization theory. Our technique differs from recently popular joint segmentation and registration algorithms, particularly in its coupled set of PDEs derived from the same set of energy terms for registration and segmentation. We present both the theory and results that demonstrate our approach.

一种头部磁共振图像自动配准方法

提出一种基于曲线形状匹配的头部磁共振图像自动配准方法，可实现预分割提取头部轮廓曲线、曲线形状特征提取及匹配和单层匹配结果的校正。实验证明在缺乏成像位置参数时，该方法可快速有效地成功实现头部磁共振图像的配准，特别是颅脑内部包含肿瘤的图像配准。     

一种基于轮廓的医学图像弹性配准方法

提出了一种基于轮廓的医学图像弹性配准方法。该方法先对医学图像进行轮廓提取,计算轮廓所围部分(目标)的质心。围绕质心每隔一定角度抽得轮廓点作为特征点。通过计算相似度确定两组特征点的对应关系。采用Wendland提出的ψ函数作为弹性变换的基函数。通过两组对应点确定变换系数。最后根据配准参数对形变图像进行变换,从而得到配准图像。实验表明,本方法对具有形变的医学图像的配准是快速的、有效的。     

基于SLAM的虚实配准方法研究

研究和实现了一种基于SLAM技术的虚实配准方法,通过将SLAM分离为定位和构图,分别利用改进的pf做位姿估计和ukf进行位置估计,进而实现整个场景内目标的位姿计算,最终完成虚实配准。一定程度上解决了传统方法中存在的视域受限问题,并同时支持户内和户外应用,提高了增强现实系统的可用性。     

基于变分模型的图像去雾方法

基于雾天图像成像模型的去雾方法在天空区域易产生失真现象,并且存在边缘处透射率计算不准确的问题,为此,提出一种图像去雾方法。该方法基于变分模型构建含有数据项、平滑项和边缘保持项的能量泛函,利用梯度下降流法最小化该能量泛函以达到透射率的精确求解,根据已获取的透射率值和雾天图像复原理论实现图像的精确复原。实验结果表明,该方法在天空区域和边缘区域的去雾效果优于传统方法,具有更小的均方误差值和更大的结构相似度值。     

一种新的基于条件数的图像配准算法

提出了一种新的基于条件数的图像配准算法。该方法在Harris算法提取角点的基础上,采用条件数定量地分析了噪声对确定图像间变换关系的影响程度,通过阈值设定筛选出具有良好稳定性的角点,克服了Harris角点检测可能存在的角点位置偏移和易受噪而提取出伪角点等问题。最后选择了Random Sample Consensus(RANSAC)匹配准则来确定匹配点对。经过实验证明了该配准算法具有精确性、抗噪性和鲁棒性。     

基于多分辨率技术的快速全景图图像匹配算法

为了对全景图像进行快速拼接和准确匹配，提出了一种新的基于多分辨率技术，利用相邻图像之间的颜色和边缘信息进行图像拼接的算法。目前应用于全景图制作的图像匹配算法通常要求拍摄时，相机要绕一垂直转轴（如三角架）做水平转动，同时不仅要求拍摄出的相邻图像有较多的重叠部分，而且相邻图像的光照差别不能太大，而新算法则避免了上述的对图像获取条件和图像质量的严格限制。因为该算法受相邻图像间光照强度变换和由镜头带来的图像形变的影响较小，所以在图像匹配实验中，该算法对各种条件下获取的图片都表现出很好的鲁棒性。实验结果表明，该算法在降低计算复杂度的同时，还有效地克服了由图像形变和不同光照条件所带来的图像的拼接困难。     

基于改进头脑风暴优化算法的医学图像配准方法

针对精准医疗中图像配准方法收敛速度慢、精度不够高的问题,提出一种基于改进头脑风暴优化（Improved brain storm optimization, IBSO）算法的医学图像配准方法。配准过程分为3个阶段：首先,将待配准图像进行多分辨率分解;然后,使用IBSO算法对低分辨率图像进行全局粗配准;最后,利用单纯形搜索法对高分辨图像精配准。相比粒子群和单纯形结合算法、差分进化和Powell结合算法,以及头脑风暴和Powell结合算法,在单模态实验中,所提算法平均耗时较以上3种算法分别降低了32.89%、13.91%和13.66%,且最大误差、平均误差最小;在多模态实验中,互信息、归一化互信息、交叉累计剩余熵与归一化互相关指数均优于上述3种配准算法。实验结果表明,所提算法可以有效地提升医学图像配准的精度与速度。     

基于多分辨率策略的弹性配准方法

提出了一种基于多分辨率策略的医学图像弹性配准方法.首先通过使用多分辨率C-V模型来加快边界提取的速度,接着采用模拟退火结合薄板样条插值的方法来配准边界点.为了增强边界点配准算法的鲁棒性和速度,在退火过程中使用多分辨率策略来构造点集数据.最后利用薄板样条插值函数完成弹性变换.实验结果表明,算法对于大形变的情况依然具有很好的效果.     

基于Kinect的点云配准方法

Kinect采集的点云存在点云数量大、点云位置有误差,直接使用迭代最近点(ICP)算法对点云进行配准时效率低.针对该问题,提出一种基于特征点法向量夹角的改进点云配准算法.首先使用体素栅格对Kinect采集的原始点云进行下采样,精简点云数量,并使用滤波器移除离群点.然后使用SIFT算法提取目标点云与待配准点云公共部分的特...     

一种改进的LPT图像配准方法

研究图像配准的优化问题.图像配准是全景图生成的关键技术和图像处理研究的重要问题.传统的利用对数-极坐标变换(LPT)的配准方法存在着采样不均匀的特点,易导致计算量大和对图像中心区域变化敏感的缺点.为克服上述缺点,提出一种改进的LPT配准方法.上述方法主要分为两个步骤:第一步是采样点数随角向圆周半径调整,减少总采样点数;第二是对采样图像分别做径向和角向线积分投影,通过计算相对位移和修正步骤,得到图像的缩放比例和旋转角度,达到配准的目的.实验结果表明,改进配准方法既能够保持LPT的旋转和尺度不变性,又减少了计算量和减轻了图像中心区域变化的干扰,相对典型的LPT方法傅里叶-梅林算法,具有更高的配准精度和更好的鲁棒性.     

A Variational Approach to Video Registration with Subspace Constraints

This paper addresses the problem of non-rigid video registration, or the computation of optical flow from a reference frame to each of the subsequent images in a sequence, when the camera views deformable objects. We exploit the high correlation between 2D trajectories of different points on the same non-rigid surface by assuming that the displacement of any point throughout the sequence can be expressed in a compact way as a linear combination of a low-rank motion basis. This subspace constraint effectively acts as a trajectory regularization term leading to temporally consistent optical flow. We formulate it as a robust soft constraint within a variational framework by penalizing flow fields that lie outside the low-rank manifold. The resulting energy functional can be decoupled into the optimization of the brightness constancy and spatial regularization terms, leading to an efficient optimization scheme. Additionally, we propose a novel optimization scheme for the case of vector valued images, based on the dualization of the data term. This allows us to extend our approach to deal with colour images which results in significant improvements on the registration results. Finally, we provide a new benchmark dataset, based on motion capture data of a flag waving in the wind, with dense ground truth optical flow for evaluation of multi-frame optical flow algorithms for non-rigid surfaces. Our experiments show that our proposed approach outperforms state of the art optical flow and dense non-rigid registration algorithms.     

A Variational Approach to Registration with Local Exponential Coordinates

We identify a novel parameterization for the group of finite rotations (SO₃), consisting of an atlas of exponential maps defined over local tangent planes, for the purpose of computing isometric transformations in registration problems that arise in machine vision applications. Together with a simple representation for translations, the resulting system of coordinates for rigid body motions is proper, free from singularities, is unrestricted in the magnitude of motions that can be represented and poses no difficulties in computer implementations despite their multi‐chart nature. Crucially, such a parameterization helps to admit varied types of data sets, to adopt data‐dependent error functionals for registration, seamlessly bridges correspondence and pose calculations, and inspires systematic variational procedures for computing optimal solutions. As a representative problem, we consider that of registering point clouds onto implicit surfaces without introducing any discretization of the latter. We derive coordinate‐free stationarity conditions, compute consistent linearizations, provide algorithms to compute optimal solutions and examine their performance with detailed examples. The algorithm generalizes naturally to registering curves and surfaces onto implicit manifolds, is directly adaptable to handle the familiar problem of pairwise registration of point clouds and allows for incorporating scale factors during registration.