基于改进SURF算子的高低分辨率图像配准方法

针对激光三维成像传感器与可见光传感器图像分辨率差异较大,配准过程中特征点误匹配情况严重的问题,提出了一种基于改进SURF算子的高低分辨率图像配准方法。首先,采用双线性插值算法对低分辨率图像进行预处理,然后在经典SURF算子的基础上,采用最近邻向量匹配法完成SURF特征的粗匹配,并基于特征偏移一致性原则对匹配情况做进一步优化,最后结合RANSAC和最小二乘法求出图像之间的仿射关系,利用所求的变换参数插值得到配准后的图像。实验结果表明,该配准方法在保持配准速度的同时,结构相似性测量指数提高了约11%,进一步提高了配准的精度。     

一种新的图像配准和超分辨率重建算法

对低分辨率观测图像进行精确配准是实现图像超分辨率重建的关键。然而,当低分辨率图像中的混叠分量达到一定程度时,许多配准算法不能满足超分辨率重建的精度要求。将图像配准和超分辨率重建联合实现的方法受混叠影响较小,该文分析其原因并提出实现这类方法的新算法,该算法采用类似于变量投影的思想,改善问题求解的条件,从而克服常用的坐标轮转下降法的一些不足。新算法利用Lanczos方法和Gauss求积原理高效地实现,并且能够处理低分辨率图像之间平移和旋转等形式的运动。实验结果证明了该方法的有效性。     

遥感图像的图像配准方法

图像配准技术是近年来发展迅速的图像处理技术之一,是图像拼接、信息融合不可缺少的步骤。本文对遥感图像的配准进行了总结和归纳,介绍了几种常见的图像配准方法,并根据高光谱图像和高空间分辨率图像的特点指出了适合不同类型遥感图像的配准方法。     

结合NGVF信息和互信息的图像配准方法

对传统的互信患配准方法进行改进,提出一种新的结合灰度信息和空间信息的配准方法.该方法分为粗略和精确配准两个阶段,首先利用图像的空间信息进行粗配准,再利用ACMI进行精确配准.文中利用的空间信息不同于一般的图像梯度信息,它是归一化的GVF矢量场信息(NGVFI),把它用于粗配准,抗噪性能良好.试验证明该方法鲁棒性很好,特别是对大噪声图像,配准效果突出,精度能达到亚像素级.     

基于改进Keren配准方法的超分辨率算法

提出一种基于边缘检测和Keren配准方法的自适应归一化卷积超分辨率重建算法。为了进一步提高低分辨率序列图像间的配准精度,该算法将边缘检测与Keren配准算法相结合。首先利用Roberts算子对图像序列进行边缘检测,然后利用基于简化四参数仿射变换模型的Keren改进算法求出边缘图像间的平移和旋转参数。仿真实验结果表明即使在含有噪声及大角度旋转情况下,相比Keren改进算法该算法配准精度得到了显著提高;其中采用Roberts算子相比其他传统算子可获得更高的配准精度。最后采用自适应归一化卷积超分辨率融合算法进行超分辨率重建,真实混叠图像序列的实验表明,基于提出的这种配准方法的超分辨率重建图像获得了很好的视觉效果和更高的分辨能力,具有良好的应用价值。     

基于边界距离场互信息的图像配准方法

基于图像边界平均Hausdorff距离的配准方法实现简单、速度快、有较大应用价值,但对图像边界不完全对应的情况配准效果不好。提出了一种以图像边界距离场互信息作为相似度函数的图像配准方法,以参考边界的距离场和浮动二值边界为两个离散概率分布,将其互信息作为相似度函数进行配准。实验结果表明,该算法对图像内容完全一致和内容不完全对应的图像均可得到良好的配准结果。     

基于SURF的图像配准方法研究

图像配准在计算机视觉、医学诊断与治疗、图像拼接等领域有广泛的应用.基于特征的方法具有压缩信息量、执行速度快、精度高等优点,成为近年来研究的热点,SIFT是其中之一.但传统的SIFT方法数据量大、计算耗时长,提出了一种基于SURF的图像配准方法.首先用SURF方法提取特征点,其次用最近邻匹配法找出对应匹配点对,结合RANSAC和最小二乘法求出图像之间的映射关系,最后利用所求的变换参数插值得到配准后的图像.实验表明:该配准算法既满足参数估算准确的要求,又具有比SIFT计算量小、速度快的优点,有一定的理论和应用价值.     

基于Hausdorff距离的图像配准研究

针对图像配准中常出现的RST(旋转-比例-平移)变换,推导出了相应的盒距离变换公式。与传统的基于广义仿射变换的Hausdorff盒距离变换公式相比,缩小了搜索距离空间。在计算Voronoi表面时,根据Hausdorff距离的计算需要提出比较滑动窗口的区域Voronoi表面,节省了计算Voronoi表面的时间。并且在利用边缘点计算Hausdorff距离时,剔除琐碎的边缘,仅使用较长的边缘计算。试验结果表明,这些改进方法较大地提高了基于Hausdorff距离的图像配准的计算速度。     

基于云核粒子群算法的图像配准研究

针对图像配准中存在的问题,提出云核粒子群算法.首先在云模型中采用正向正态云发生器,实现了在定性信息中获得定量的范围和分布规律;接着云滴将粒子群体分成三个子群,每个群由不同的云核进行引导,更新粒子位置与速度,云核粒子在引领子群内所有粒子到历史最佳位置的欧几里得空间距离的最大值为影响半径,对于在子群中影响半径以外的粒子,粒子核不再起引导作用;最后把图像配准过程中目标函数达到最小值问题转化为云核粒子群算法寻优问题,实验仿真得出配准后图像的满足视觉要求,位置与参考图像保持了一致.     

基于SIFT的超大图像配准

SIFT算法在仿射变换、噪声、一定程度的光照条件下具有良好的匹配性能，星上宽波段相机成像尺寸都非常大，超大尺寸图像直接利用SIFT算法，在构建高斯金字塔时空间占用大，同时导致计算用时长。通过研究仿射变换矩阵，提出可以通过计算超大尺寸图像的降采样图像之间的配准系数间接获取超大尺寸图像的配准系数的方法。经过实验验证，具有一定的可行性，对于图像配准从空间上减少计算量从而节约计算时间具有一定指导意义。     

基于sMLD特征的远红外航空图像配准算法

航空场景下的远红外图像迫切需要准确、鲁棒、快速的特征描述与自动配准方法。由于已有的多重线型描述符MLD特征存在“特征孤岛”和“尺度变换受限”的问题,因此针对远红外航空图像的配准问题,文章提出了一种聚合特征点以及线型描述符分段统计的特征描述方式,即sMLD特征。结合sMLD特征相互连接构成网状拓扑结构的特性,还提出了一种由粗到细的分支加速匹配算法RF-BA。其中,RF-BA粗匹配充分利用拓扑图的结构,通过局部寻优算法提高匹配的效率。RF-BA精匹配利用最小外接凸四边形原则和GMS校验原则,提升配准精度。实验结果表明,与已有的几种代表性配准方法相比,所提方法在配准精度和时间开销方面均具有更好的性能。     

融合层次聚类的高分辨率遥感影像超像素分割方法

为解决遥感影像分割尺度自动选取难的问题,提出了融合层次聚类的高分辨率遥感影像超像素分割方法。首先采用自适应形态重建的分水岭分割算法将影像分割成多个超像素;然后提取各超像素的灰度特征向量;最后利用层次聚类方法进行超像素合并,实现高分辨率遥感影像的精确分割。实验选用4组景遥感影像;采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法有效提高了遥感影像分割精度,并取得了较好的分割视觉效果。     

X射线图像和CT图像的多维配准

在本文中,我们提出了一种基于Chamfer3-4距离变换和Powell优化的方法,用于X射线图像和CT图像间的配准.该方法首先从X射线图像中分割出目标物体.通过使用投影模型和优化方法,得到了准确的投影矩阵.该方法同样被用于医学介入手术中,处理从三维图像工作站中获取的主动漫游的数据.     

基于图像配准的高分辨率遥感图像道路追踪

本文从图像配准的角度,提出了一种新的半自动地从高分辨率遥感影像中提取道路的方法。此方法通过种子点自动获取道路影像模板,并采用扩展的Kalman滤波方法进行预测,在预测点附近选取目标窗口,通过最速梯度下降法在目标窗口内快速搜索与模板最相似的影像,如此往复,进而实现道路追踪。我们在多幅0.61m分辨率的QuickBird影像上进行了实验,结果表明:此方法能够快速、准确地提取道路,需要的人工干预少,具有一定的越障能力,有较好的鲁棒性。     

一种从低分辨率图像序列获取高分辨率图像的算法

在某些应用领域,常常需要得到目标的高分辨率图像,考虑到在这些应用场合中,往往可以获得对同一景物或目标的多帧图像,本文提出了一种基于亚像素级图像配准与类似于中值滤波插值的从多幅低分辨率(LR)图像中获取一幅高分辨率(HR)图像的算法。算法首先采用梯度方法计算出LR图像之间的位移量,经过图像配准后,每个HR像素点被赋予其作用域内所有LR像点值的中值。仿真结果表明,该算法简单有效,既能提高图像分辨率,又能较好地去除非线性噪声。     

一种大视场TDICCD相机的多传感器图像配准方法

某大视场TDICCD相机采用多片TDICCD拼接,多通道输出全色和多光谱遥感图像,为了获得良好的融合和拼接效果,本文提出了一种基于双线性插值的空域互相关配准方法。首先,应用双线性插值算法对多光谱各谱段图像进行放大,得到和全色图像相同大小的多光谱图像。然后,采用空域互相关配准方法对多光谱各谱段图像和全色图像进行配准,并对有重叠像元的两通道图像进行拼接。实验结果表明,本文方法快速,抗噪性和鲁棒性较高,使大视场TDICCD相机多通道遥感图像配准取得了良好的效果。     

基于扩散方程和相位一致的异源图像配准算法

针对同一场景下的红外与可见光图像特征点难以提取和匹配的问题,提出一种基于扩散方程和相位一致模型的红外与可见光图像的配准算法。首先提出了收敛速度更快的扩散方程,并用该方程对红外图像除噪;其次利用改进的相位一致模型提取红外与可见光图像的视觉相似性结构;在相似性结构上提取特征点,进行二进制描述;最后采用汉明距离实现特征点匹配。实验结果表明,该算法能够有效滤除红外与可见光图像的差异,减小计算开销的同时实现图像的自动配准。     

基于改进配准测度的红外与可见光图像配准

异源图像配准中,由于图像的成像机理差异,图像像素强度关联和旋转畸变是不可避免的两大问题,针对图像像素强度关联问题,提出了基于辐射不变特征变换（radiation-variation insensitive feature transform,RIFT）的图像配准算法,对图像间像素关联差异小的图像对配准有良好的精度,但对旋转畸变图像会产生较多错误匹配。对于旋转畸变问题,传统的ORB（oriented fast and rotated brief）算法,对旋转图像的配准有一定的稳定性,但对于强度变化不明显的图像对,特征点检测质量较低,配准精度不理想。因此本文将相位一致性（phase consistency,PC）融合进ORB算法,利用相位信息代替传统的图像强度信息,再构造旋转不变性BRIEF特征描述子,对图像像素强度变化和旋转畸变均具有鲁棒性。用图像像素强度关联不明显的红外图像和可见光图像进行配准实验,本文算法针对不同旋转幅度的图像的配准精度较高,RMSE稳定在1.7~2.1,优于RIFT算法,在特征点检测数量、配准精度和效率等性能上均有良好性能。