一种基于NSCT和SIFT的遥感图像配准算法

研究提出了一种基于NSCT和SIFT的遥感图像配准算法,综合利用了NSCT在图像分解上的灵活性和SIFT算法在特征描述上的有效性来进行遥感图像配准.首先分别对参考图像和待配准图像用NSCT进行分解,然后把分解的低频图像作为SIFT算法的输入并得到匹配结果,并利用匹配结果求解模型参数,最后通过重采样和双线性插值完成两幅遥感图像的配准.实验结果表明,此算法在运算速度和匹配精度方面均比SIFT算法和SWT+SIFT算法优越.     

基于改进SIFT算法的超声图像配准研究

针对SIFT算法对医学超声图像提取关键点数目较少的缺点,本文提出了采用HARRIS角点改进SIFT算法的方法,有效提取更具有结构意义的关键点数目,提高超声图像配准精度。此外,为进一步提高配准精度,增加一步互信息算法对图像进行精配。实验结果表明,本文算法是一种快速、高精度、全自动的医学图像配准算法,并可有效地提高配准精度。     

基于人工免疫系统的医学图像配准

提出了一种基于人工免疫系统的图像配准算法.针对医学图像配准中常用的Powell算法容易陷人局部最优问题,以互信息最大为配准侧度,将体液免疫的思想应用于医学图像配准,较好地解决了局部最优这一难题.针对免疫算法计算量大的问题,对免疫选择算子进行了改进,降低了计算复杂度,并将外推搜索和黄金分割法用于种群初始化,进一步提高了计算效率.实验结果表明,论文提出的算法具有良好的精准性和稳定性,是一种有效的配准算法.     

基于FKICA-SIFT特征的合成孔径图像多尺度配准

针对合成孔径(SAR)图像的配准,提出一种基于仿射不变快速核独立成分分析-尺度不变特征变换(FKICA-SIFT)的多尺度配准方法.首先,根据特征点的Hessian矩阵构建仿射不变SIFT描述子.接着,利用FKICA提取该描述子的独立成分得到新的描述子FKICA-SIFT.然后,利用该描述子对Steerable滤波后的...     

一种基于新的相似性测度的自动图像配准算法

图像配准是图像处理的一个重要技术,被广泛地用于遥感图像、医学影像、视频监控等诸多领域中。本文提出了一种基于新的相似性测度的配准算法,首先分析2幅图像的联合直方图点集的分布情况,基于此定义了直方图点集的散度公式,并将其作为相似性测量。为加速参数的搜索过程,配准是在小波域内进行的,并使用Powell算法来优化搜索策略。实验证明,相对于基于互信息的图像配准算法,本算法参数优化方法选择可以更灵活,时间消耗更少,噪声鲁棒性更优。     

改进Demons算法的非刚性医学图像配准

非刚性配准是医学图像处理的一个重要的研究方向。基于光流场模型的Demons算法由于仅依赖图像灰度梯度使图像变形,当缺乏梯度信息时图像的变形方向不能确定,因而容易造成误配准,且该算法只适合于单模态图像配准。本文针对最大互信息配准方法在多模态刚性配准中的成功应用,提出了一种可用于多模态图像配准的改进Demons算法。该方法在原有驱动图像变形力的基础上,增加两幅图像间互信息对当前变换的梯度作为附加力作用,使浮动图像向两图像间互信息增大的方向变形,正确地配准图像。为避免陷入局部极值并提高算法的运行速度,该方法在多分辨率策略下实现。使用单模态、多模态图像分别进行实验来验证此算法,并与原始Demons算法进行比较,实验表明,该方法能够快速地产生准确的配准变换。     

基于视觉注意模型的SIFT图像配准算法研究

针对SIFT配准算法提取图像特征点较多,配准点冗余,容易误配,存储空间大,匹配耗时多等缺点,根据认知心理学的相关理论,提出一种基于视觉注意模型的SIFT特征提取算法,并应用于复杂背景下的多目标图像配准。本算法首先利用视觉注意模型提取输入图像的显著目标,然后使用SIFT算法对显著目标区域配准。实验结果表明,本算法减少了复杂背景下大量的干扰信息和特征点,提高了配准精度和效率,取得了较好的配准效果。     

基于Fourier-Meliin算法的干涉图像配准

提出了采用Fourier-Mellin算法对大孔径静态干涉成像光谱仪的原始干涉图像进行配准的方法,用于校正由于推扫平台系统姿态不稳所造成的失真.采用Fourier-Mellin算法和相位相关算法求取干涉图像的旋转角度和缩放及平移参数,并通过多帧未校正的图像和校正后的图像分别拼接成大面积地域图像来验证算法.实验结果表明,通过人眼判断,可以实现对图像的配准,配准精度达到1Pixel,基本满足将LASIS原始干涉图校正为不失真图像的要求.     

一种改进的基于互信息和梯度特征的图像配准方法的研究

基于互信息的配准方法广泛应用于医学图像的配准，但当两幅待匹配图像重叠部分较少或图像包含的信息不够充分时，配准目标函数会出现较多的局部最优解而影响匹配精度。本文构造了新的配准目标函数，在互信息的基础上引入图像梯度信息，使两者相互补充，减少了目标函数中局部最优解的数目，突出了全局最优解。本文还设计了一种新的基于单纯形的模拟退火优化算法，该算法能以较大的概率迅速搜索到目标函数的全局最优解，以获得较满意的配准结果。本文使用该方法对二维医学图像进行配准，实验结果表明，该方法配准速度较快、精度较高，是一种有效的配准方法。     

采用目标区域互信息的星空图像配准

提出了采用目标区域互信息的测度方法对星图进行精确配准以解决星图中存在噪声、伪星点、星点稀疏以及星图间的旋转等问题。首先对星图进行图像分割,检测出星点目标并对星点进行二值化处理;然后基于互信息配准模型,在含星点的目标区域上,利用Powell算法将最大互信息作为目标函数来指导图像间最优变换参数的搜索。分析了适宜于互信息测度配准的星点分割算法,并论证了采用目标区域互信息的星图配准的可行性。对提出的算法与标准的互信息配准算法进行了对比。结果表明:提出算法的时间消耗与图像中星的数量有关,在图像大小为1 000×1 000时,提出算法的加速比为标准算法的3.4倍。该算法在星图中存在噪声、伪星点、星点稀疏和旋转的情况下仍能进行准确配准,50组实拍星图配准误差平均值为0.138 2pixel,满足了星空图像对精确配准的要求。     

基于相位特征的可见光和SAR遥感图像自动配准

针对可见光和SAR遥感图像存在非线性辐射差异和几何差异,加之SAR的斑点噪声,使得可见光和SAR图像配准十分困难的问题.本文提出了一种基于改进相位一致性的可见光和SAR图像配准方法.首先,分别计算相位一致性的最大矩和最小矩,将二者叠加,利用Harris算子在叠加图上提取特征点,得到稳定的角点和边缘点作为待匹配的特征点;...     

一种结合ORB算法的SIFT图像配准算法

在基于SIFT算法的图像配准过程中有两个重要的环节:特征提取和特征匹配。针对算法在特征提取时存在的计算量大、复杂度高、速度慢等问题,该文提出了结合ORB算法的思想,对SIFT算法进行特征提取的优化,从而实现快速地提取图像的局部特征。在特征匹配阶段采用K最近邻的BBF搜索策略并结合RANSAC算法进行提纯,消除误配点。实验结果表明,改进后的算法降低了配准时间,提高了配准精度,适用于一些对实时性要求较高的场合。     

一种基于SIFT的图像哈希算法

图像哈希是近年来颇受关注的一个研究热点,但现有的图像哈希算法普遍存在对几何攻击(主要包括尺度、旋转、剪切)鲁棒性不足的缺点,不能满足很多实际应用的需要.针对上述问题,提出了对几何攻击具有强鲁棒性的SIH图像哈希算法.本算法基于在图像匹配等领域得到广泛应用的SIFT算子,通过对SIFT特征向量进行有针对性的筛选和压缩、基于特征向量分布质心的量化生成图像摘要.为适应图像摘要构造的特性,设计了基于广义集合距的匹配算法来衡量图像摘要间的距离.在公开图像库上的实验结果表明,本算法对几何攻击和非几何攻击的鲁棒性均优于对比算法,可广泛服务于图像识别/认证类型的应用.     

应用尺度不变特征变换的多源遥感影像特征点匹配

针对多源遥感影像之间灰度值非线性变化导致特征点匹配率大幅度下降的问题,提出了一种利用光谱信息的多源遥感影像特征点匹配算法.首先,以光谱信息对遥感影像波段进行线性拟合,使待匹配影像与参考影像之间的灰度值由非线性转变为线性或者近似线性变化.接着,在拟合的遥感影像上采用改进的尺度不变特征变换(SIFT)算法进行匹配.最后,采用随机抽样一致性算法剔除误匹配点对.与常用特征点检测算法(SIFT,梯度位置朝向直方图(GLOH),RS-SIFT)的对比实验结果表明,本文所用的ETM+影像全色与多光谱影像的特征点匹配率提高了4％左右,CBERS-02B和HJ-1B卫星多光谱影像的正确特征点匹配个数增加了8对.因此,在多源遥感影像特征点匹配中,本文所提算法优于其它检测算法,可以极大地改善匹配效果.     

遥感图像云自动检测

云层遮挡是影响遥感图像质量的重要因素,为提高信道传输利用率,要求自动检测并剔除云覆盖率大的图像.目前大多数的云检测算法都依赖遥感图像的光谱特征,然而很多图像数据并不具备完整的光谱信息,因此这类算法对图像数据要求较高且算法不具普适性.本文从云的空间纹理特征和统计特征出发,提出适用于多卫星多传感器的云检测算法.经过对186幅图像的初步试验验证,该算法简单快速、准确性高,同时能有效控制云检测过程的检测错误率,达到很好的检测效果.     

自适应量子遗传算法的遥感图像自动增强

针对传统基于归一化非完全Beta函数(Normalized Incomplete Beta Function,NIBF)的图像增强方法难以有效地自动获取最优参数且其增强效果受图像动态范围限制的问题,提出一种基于自适应量子遗传算法的NIBF遥感图像自动增强方法。首先,由图像色深,对待增强图像引入最大和最小光谱测度级,扩大其动态范围。其次,利用量子比特将NIBF参数编码为量子染色体,并设置若干量子染色体构成初始参数种群;对该参数种群进行测量和解码,以解码值作为NIBF的参数输入,对图像进行光谱测度变换,得到对应的增强图像种群。然后,利用八方向边缘检测模板提取增强图像种群中每个个体的边缘图像,由边缘强度、边缘数以及熵测度定义刻画参数种群中个体品质的适应度函数,并以此评价参数种群中的每个参数个体,保留和记录最优参数个体。在提出的进化策略中,利用量子旋转门实现量子染色体向最大适应度方向进化,并根据每代适应度的差异和进化代数自适应地调整量子旋转角的大小;以最终演化的参数种群中适应度最大的参数个体作为NIBF的最优参数,生成相应的光谱测度变换曲线,从而确定输入和输出光谱测度之间的映射关系,实现图像最优自动增强。对5幅图像的平均实验结果表明:盲/无参考图像空域质量评价指标提升了122.2%;自然图像质量评价指标提升了71.8%;运行时间为10.758s。满足了遥感图像增强处理中的自动化、鲁棒性和高效率的要求。     

基于变尺度形态学的遥感图像边缘检测算法

针对遥感图像的噪声问题,在数学形态学的基础上提出了一种利用结构元素尺度变换的边缘检测算法。首先利用腐蚀运算对图像降低噪声,然后利用膨胀运算填补腐蚀产生的空穴,在这个过程中采用不同尺度的结构元素,最后通过检测算子得到图像的边缘图。实验结果表明,与传统的边缘检测算法相比,该算法不仅具有较强的边缘提取能力,而且通过合理选择结构元素的尺度能明显降低噪声对检测结果的影响,准确检测出大多数遥感图像的边缘。     

基于SIFT的小模数齿轮图像亚像素级配准研究

为解决小模数齿轮视觉测量中凸显的工业相机高空间分辨率与大视场相互制约的问题,对轮廓光条件下前景背景对比度过强、局部对比度不足,存在大面积同色区域的小模数齿轮图像亚像素级配准方法进行研究。针对传统基于特征点的图像配准流程在小模数齿轮图像配准中存在特征点数量稀少、正确匹配率过低的问题,介绍了适用于小模数齿轮图像的配准流程;引入直方图均衡化改善图像对比度,丰富灰度色调,增晰图像暗部特征以提升特征点数量和正确匹配率;为了克服传统匹配对提纯算法中阈值设置不准确、参数调整困难及模型不唯一的缺点,结合两倍中误差准则提出全局自适应参数匹配点对提纯方法,保证提纯结果唯一性的同时,其自适应调整判别阈值的方法可避免人为误差进而保证结果的重复性。实验结果表明,利用介绍的方法对图像进行预处理可大幅度提升特征点数量与正确匹配率,取提纯所得平移量的平均值作为配准结果,其正确度和精密度均优于传统算法,针对轮廓光条件下的小模数齿轮图像,配准精度优于0.083 pixel,对于小模数齿轮视觉测量具有实际应用价值。