An Adaptive Gaussian Mixture Model for Non-rigid Image Registration

This paper presents a new model based on statistical and variational methods for non-rigid image registration. It can be viewed as an improvement of the intensity-based model whose dissimilarity term is based on minimization of the so-called sum of squared difference(SSD). In the proposed model, it is assumed that the residue of two images can be described as a mixture of Gaussian distributions. Then we incorporate the features of variational regularization methods and expectation-maximization(EM) algorithm, and propose the new model. The novelty is the introduction of two weighting functions and some control parameters in dissimilarity term. The weighting functions could identify low and high contrast objects of the residue automatically and effectively, and the control parameters help to improve the robustness of the model to the choice of regularization parameters. By the introduced parameters and weighting functions, the algorithm could locally adjust the behavior of deformation in different contrast regions. Numerical experimental results of 2D synthetic and 3D MR brain images demonstrate the efficiency and accuracy of the proposed approach compared with other methods.     

一种自适应的Web图像语义自动标注方法

提出了一种自适应的Web图像语义自动标注方法:首先利用Web标签资源自动获取训练数据;然后通过带约束的分段惩罚加权回归模型将关联文本权重分布自适应学习和先验知识约束有机地结合在一起,实现Web图像语义的自动标注.在4 000幅从Web获得的图像数据集上的实验结果验证了该文自动获取训练集方法以及Web图像语义标注方法的有效性.     

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。     

基于改进光流场模型的大脑图像配准

将光流场模型引入大脑图像配准,针对Horn模型会造成图像严重模糊的问题,在微分光流场模型的一般框架下,构造具有边缘保持和一致性增强能力的流驱动各向异性扩散方程作为正则项,以增强配准过程的特征保持能力;采用非二次惩罚函数作为数据项,以增强模型的鲁棒性.最后利用文中模型对大脑图像进行配准实验,得到了较为准确的结果.     

基于轮廓特征的SAR图像自动配准

针对SAR图像的自动配准问题,提出了一种基于轮廓特征的快速配准方法。在对SAR图像正确检测和分割的基础上提取图像的区域轮廓,并对其几何特征属性进行准确描述,利用配准点可以实现自动图像配准,仿真试验表明可以获得亚像素级配准结果。     

Adaptive Stochastic Gradient Descent Optimisation for Image Registration

We present a stochastic gradient descent optimisation method for image registration with adaptive step size prediction. The method is based on the theoretical work by Plakhov and Cruz (J. Math. Sci. 120(1):964–973, 2004). Our main methodological contribution is the derivation of an image-driven mechanism to select proper values for the most important free parameters of the method. The selection mechanism employs general characteristics of the cost functions that commonly occur in intensity-based image registration. Also, the theoretical convergence conditions of the optimisation method are taken into account. The proposed adaptive stochastic gradient descent (ASGD) method is compared to a standard, non-adaptive Robbins-Monro (RM) algorithm. Both ASGD and RM employ a stochastic subsampling technique to accelerate the optimisation process. Registration experiments were performed on 3D CT and MR data of the head, lungs, and prostate, using various similarity measures and transformation models. The results indicate that ASGD is robust to these variations in the registration framework and is less sensitive to the settings of the user-defined parameters than RM. The main disadvantage of RM is the need for a predetermined step size function. The ASGD method provides a solution for that issue.     

一种基于特征的SAR图像自动配准方法

由于SAR图像固有的相干斑噪声的影响,使得SAR图像的自动配准不能直接使用光学遥感图像自动配准.基于特征的SAR图像配准方法是一种有效的配准方法,但是特征的提取一直以来是一个很难解决的问题.针对SAR图像自身的特性提出了一种基于特征的SAR图像自动配准方法.首先进行了对SAIl图像进行了合适的区域分割,然后利用不变性特征进行区域匹配,最后求取扩展质心作为匹配控制点.通过对真实SAR图像进行实验,取得了较好的配准结果,充分证明了算法的有效性.     

基于投影变换的图像自动配准

在阐述图像的投影变换与图像配准的关系的基础上，提出了一种基于投影变换的图像自动配准算法，在算法中结合运用了图像的Laplacian塔技术，在微机上编程实现了本算法，验证了算法的有效性。     

基于投影变换的图像自动配准

在阐述图像的投影变换与图像配准的关系的基础上,提出了一种基于投影变换的图像自动配准算法,在算法中结合运用了图像的Laplacian塔技术.在微机上编程实现了本算法,验证了算法的有效性.     

基于归一化互信息与模糊自适应PSO的图像自动配准方法

提出了一种基于归一化互信息相似性判据,并采用模糊自适应粒子群优化算(particle swam optimization,PSO)作为搜索策略的图像自动配准方法.由于互信息方法不能解决图像缩放的问题,该方法在计算图像互信息之前,先对图像进行尺寸相同化操作;同时针对互信息方法中目标函数易陷入局部极值及搜索速度慢的问题,该方法采用归一化互信息作为相似性准则,并提出以模糊自适应PSO算法作为优化策略来提高配准速度和精度的方法.实验表明,采用归一化互信息作为配准测度,可提高配准的鲁棒性,而且,引入了模糊推理机之后,配准效率得到大幅提高,用该方法对具有仿射变换的图像进行配准能得到快速、精确的配准结果,证明了该算法的可行性和有效性.     

一种高效的图像匹配算法

兼顾算法的精度和效率两个方面,基于图像特征的图像匹配算法,逐渐成为众多学者研究的热点.文中提出了将多分辨率和极线约束与相关法相结合的图像匹配方法.该方法采用金字塔分层和极线约束来弥补相关匹配带来运算量大的不足,克服了图像匹配中精度低和速度慢的缺点.通过实验验证该方法不仅能够有效地缩短匹配时间,还能达到较高的匹配精度.     

Elastic 3D–2D Image Registration

Journal of Mathematical Imaging and Vision - We propose a method to nonrigidly align a three-dimensional (3D) volumetric image with a two-dimensional (2D) planar image representing a projection of...     

用平滑薄板样条实现医学图象的弹性配准

医学图象弹性配准是医学图象处理的一个重要研究方向 .目前采用的方法多是手动选择对应标记点 ,然后用薄板样条插值方法计算配准变换 .为了降低对应点的选取误差对配准准确性的影响 ,并克服手动选点操作繁杂、耗时大的问题 ,给出了一种准确、快速、鲁棒性好的配准方法 .即对薄板样条插值方法进行平滑处理 ,并在此基础上采用一种半自动标记点选择方法 .运用此方法进行医学图象的弹性配准 ,得到了理想的结果 .实验表明 ,该方法能有效减弱了对应点位置误差对配准结果产生的影响 ,并能较方便地选择对应点集     

基于B样条的快速弹性图像配准方法

论文提出了一种基于B样条的医学图像快速弹性配准方法。该方法在原有方法的基础上引入“分块计算,部分更新”的策略来提高运行速度。实验结果表明,论文方法与原有方法相比,配准效果相似,但配准速度却显著提高,因此是一种实用的弹性配准方法。     

基于自适应混合多项式变换的图像配准

图像配准是红外与可见光图像融合的关键问题。在实际应用中,场景景深的多变性与红外、可见光相机之间的差异性都会增加多模图像配准的难度。为应对上述困难,提出了一种用于图像配准的自适应混合多项式变换（Adaptive Polynomial Mixture Transformation,APMT）,该模型可以准确地描述待配准红外与可见光图像之间形变的全局非线性规律。针对形状上下文特征的缺陷进行改进,设计了高斯加权形状上下文（Gaussian Weighted Shape Context,GWSC）特征,用于从多模图像中提取匹配点集。利用分段优化策略从匹配点集中估计出最优的APMT模型参数,实现全局图像配准。定性与定量实验表明：与同类方法相比,提出的方法（GWSC-APMT）在配准精度与效率方面都有良好的表现。     

用弹簧分子系统进行弹性医学图像配准

将源图像Delaunay三角化,用弹簧分子系统模拟网格形变,网格点在系统力的作用下移动去拟合待配准的目标图像.力由互信息梯度定义,并利用已知解剖结构特征的对应关系对形变过程进行约束.经过一段时间,网格点停止运动,对每一个Delaunay三角形计算局部仿射变换.实验结果表明,该算法能够快速准确地实现弹性医学图像配准.     

基于控制点的SAR图像亚像素自动配准

为了解决同一SAR系统所拍摄的多幅图像配准问题,提出了一种基于控制点的自动配准方法。此方法在边缘检测的基础上用Harris算子对主图像提取角点作为控制点,再利用基于灰度相关的局部区域匹配寻找同名像点,最后通过控制点求解仿射变换参数。大量仿真结果表明,此方法的配准误差在0.2左右,达到了亚像素级水平。对控制点的选取和匹配不需要人工参与,计算速度快、精度高、有较好的稳定性。     

基于分层区域的自适应图像配准算法

针对SIFT（尺度不变特征变换）算法提取的特征点不纯、易受噪声等因素干扰的问题，提出在SIFT算法提取特征点之前对图像进行预处理，排除部分外界干扰。针对SIFT算法中128维的高维度特征描述符导致匹配速度降低，提出一种基于分层区域的方法降低描述符维度，缩短算法运行时间。针对SIFT算法匹配过程中选取固定阈值不具有广泛适用性的问题，提出一种自适应阈值的方法，解决设置固定阈值不能适用所有图像的问题，提高匹配准确率。实验结果证明，改进的算法能提高匹配准确率和匹配效率，增强算法的鲁棒性和可靠性，并且适用性广泛。     

结合模型限制和灰度信息的图像配准算法

由于噪声和成像条件的不同,准确得到两幅图像中提取的点特征之间的对应性是基于点特征的图像配准方法的一个难点.为此,文中提出了一种新的基于点特征的图像配准算法.该方法结合图像之间的拓扑关系和点特征之间的相似性,并利用变换模型限制求解点特征之间的对应性,然后根据对应的点特征求解变换模型参数,配准两幅图像.实验结果表明,所提出的方法对传感器相近的图像之间的配准是正确有效的.     

Automatic Range Image Registration in the Markov Chain

In this paper, a novel entropy that can describe both long and short-tailed probability distributions of constituents of a thermodynamic system out of its thermodynamic limit is first derived from the Lyapunov function for a Markov chain. We then maximize this entropy for the estimation of the probabilities of possible correspondences established using the traditional closest point criterion between two overlapping range images. When we change our viewpoint to look carefully at the minimum solution to the probability estimate of the correspondences, the iterative range image registration process can also be modeled as a Markov chain in which lessons from past experience in estimating those probabilities are learned. To impose the two-way constraint, outliers are explicitly modeled due to the almost ubiquitous occurrence of occlusion, appearance, and disappearance of points in either image. The estimated probabilities of the correspondences are finally embedded into the powerful mean field annealing scheme for global optimization, leading the camera motion parameters to be estimated in the weighted least-squares sense. A comparative study using real images shows that the proposed algorithm usually outperforms the state-of-the-art ICP variants and the latest genetic algorithm for automatic overlapping range image registration.