SIFT特征在图像配准过程中的应用研究

针对现有基于特征的图像配准方法所存在的特征提取的多样性和相似度计算的复杂性等问题,提出了一种基于SIFT特征的图像配准方法．首先利用SIFT算法提取出图像的特征点,用欧式距离比进行特征匹配,然后利用图像位置的先验条件,采用RANSAC算法去除误匹配,最后计算出待配准图像和基准图像间的变换关系参数．实验结果证明了该算法的有效性．     

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.     

基于局部二进制描述SIFT特征的锆石图像配准方法

针对尺度不变特征变换(SIFT)算法计算复杂度高、匹配速度慢的问题,提出一种新的局部二进制模式(LBP)特征描述方法,描述SIFT算法检测出的锆石图像特征点,然后用主成分分析法(PCA)将生成的描述向量降维,最后利用欧式距离法完成配准。新LBP描述方法计算简单,具有旋转不变性和光照不变性,描述向量经过PCA降维以后匹配过程简单快速。实验结果表明:配准效果可以满足仪器自动寻样的需求,并且能够显著提升锆石图像的配准速度、提高仪器运行效率。     

基于深度学习的图像配准方法综述

图像配准是图像处理和计算机视觉领域中的关键技术。近年来,随着深度学习在图像处理和计算机视觉领域取得突破性进展,基于深度学习的图像配准方法也不断涌现。系统介绍了基于深度学习的图像配准方法,将其分为基于特征的组合配准方法、有监督学习的直接配准方法以及无监督学习的直接配准方法三大类,比较分析了各种配准方法的优劣。并以此为基础,对基于深度学习的图像配准方法未来的研究趋势进行了展望。     

一种基于神经网络和UKF的自适应目标误差配准方法

针对多传感器数据融合的误差配准问题,提出了一种自适应的误差配准方法。该方法使用无迹卡尔曼滤波方法训练神经网络,在偏差先验模型未知的条件下,通过学习待配准目标量测与配准目标之间的误差变化,实时估计配准误差并同时将其应用于目标状态估计。仿真实验表明,该方法能够实时有效地估计目标配准误差和目标状态。     

基于SIFT算法的可见光宽带光谱图像配准方法研究

针对颜色与影像科学领域的可见光宽带光谱成像中存在的图像像素偏移问题,提出了基于SIFT算法的可见光宽带光谱图像配准方法。先利用SIFT算法提取图像特征点,再通过k-d树最近邻方法对特征点进行匹配,利用欧氏距离约束方法剔除错误匹配点,最后,利用均匀采样方法解决SIFT特征点容易聚集的问题,得到最优配准结果。在可见光宽带光谱图像配准实验中,基于均匀采样方法确定的最优配准结果与未经采样处理匹配点集的配准结果相比,配准之后的互信息值得到了显著提高。     

基于特征的SAR图像与光学图像自动配准

针对现有配准方法在用于SAR图像和光学图像配准时,存在受SAR图像相干斑噪声影响大,手工选取配准点精度低等缺点,提出了一种基于区域特征提取的图像配准方法．对SAR图像首先进行相干斑噪声抑制,并采用图像分割的方法提取出封闭区域的边界作为特征,然后与可见光中提取的边缘利用闭合区域边缘链码的相关寻求匹配,精确配准的误差达到子象素级水平．实验结果表明,该方法能够以较高的精确度从SAR图像中提取配准控制点,从而实现了多传感器图像的自动配准．     

基于特征点的改进ICP三维点云配准技术

三维点云配准是三维面型反求中的关键和难点。提出了一种特征点三维点云配准技术。通过引入被测物的特征点,分析了坐标变换矩阵的求解方法,利用最小二乘算法求出初始变换矩阵,得到粗略配准结果。然后采用K-D树来加速搜索最近点,用均方距离作为误差度量准则实现了改进后的最近点     

基于边缘特征的虚实图像精确配准

3D模型的虚拟图像与可见光图像（实图）的配准可以增强信息的互补性,在通过INS装置粗配准后,其配准问题变成了经典的多模态图像精确配准问题。本文提出了一种基于边缘信息全局最优匹配的3D模型图像与可见光图像精确配准算法。该算法首先基于相位一致性模型提取3D模型图像与可见光图像视觉相似的边缘结构;再采用模拟退火算法搜索求解在边缘配准度最大对应的空间变换模型的最优参数值。4组实验结果表明,本文算法能够充分利用图像间的相近似的边缘结构和模拟退火算法得到配准变换参数,有效地实现多模态图像（不同光照及对比图像对,不同传感器的航拍图片对,虚拟3维视图与可见光图像）的精确配准。     

基于特征匹配的三维点云粗配准方法

针对无初值情况下点云配准精度不高以及配准效率低下的问题,提出一种基于特征匹配的三维点云粗配准方法。首先,利用点云局部法向量的变化描述其特征,加入特征保留权值筛选突出特征信息,提高配准效率;然后,根据保留的特征信息建立特征直方图,通过比较特征直方图描述的信息获取初始匹配的点对;最后,将刚性不变约束与随机抽样一致性算法结合筛选正确的匹配点对,再利用四元素法得到旋转矩阵和平移向量。实验结果表明,提出的算法与其他粗配准算法相比具有较高的精度和效率,为后续的点云精配准工作提供了良好的初值。     

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。     

图像多尺度配准的小波域SIFT方法

当SIFT(Scale Invariant Feature Transformation)方法应用于局部场景发生变化的图像时,在特征匹配中会产生错误匹配,文章提出了图像多尺度配准的小波域SIFT方法。该方法利用低分辨上变换参数剔除了错误匹配,提高了正确匹配率。模拟实验结果表明该方法在外点数目和正确匹配率方面优于原SIFT方法。最后,通过与原方法的对比分析,验证了该方法应用于震前震后多光谱图像的可行性。     

基于先验形状信息和水平集方法的车辆检测

针对交通视频检测应用,提出一种基于先验形状信息和主动轮廓模型的运动车辆检测方法.算法首先利用颜色信息和边缘信息检测并去除车辆阴影,提取车辆的初始轮廓;为了改善车辆轮廓的提取精度,在进一步的车辆分割中引入车辆形状的先验知识,用水平集符号距离图像的隐含表示建立车辆的先验形状模型,并以先验的车辆形状模型作为约束构造出主动轮廓能量函数;将第一步获得的车辆轮廓作为车辆分割演化曲线的初始轮廓,采用变分法求解能量函数的极小值,利用形状配准和水平集方法演化车辆的分割曲线,得到准确的运动车辆轮廓.将该方法应用于实际采集的交通视频,获得了很好的测试结果.     

特征点对引导的医学图像弹性配准方法

采用最优化方法进行弹性图像配准时,常常会因为初值选择不合适导致优化过程收敛到局部极值,从而使配准失败。针对该问题,提出了利用一对匹配的特征点来引导迭代配准过程的算法。首先,根据一对匹配的特征点确定图像初始局部配准区域;然后,在算法迭代过程中逐渐扩展局部配准区域直至覆盖整个图像。建立初始局部配准区域及局部配准区域扩展时,根据特征点对的空间位置关系,以及医学图像的形变场在统计特性上是高斯马尔可夫随机场的先验知识,来估计局部配准区域形变参数向量的初值;在对局部配准区域进行配准时,基于图像像素灰度统计信息的配准方法被用来求解局部配准区域的形变场参数向量。实验证明,该算法能够有效克服弹性配准算法容易陷入局部极值的问题。     

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。     

基于变电站多模图像的自动集成配准方法

针对采集的变电站多模图像,提出了一种改进的多模态图像的自动集成配准方法。变电站多模图像的尺寸不同,所以先对其进行小波变换,以变换后得到的两幅概貌图像为待配准图像,以六种配准方法中的每一种作为一个适应度函数。使用遗传算法进行搜索,分别寻找两幅概貌图像的最佳配准位置,再映射回小波变换前的多模图像,最后使用动态可信度进行集成。实验结果证明,该方法能实现不同尺寸的多模态图像的自动配准,速度较快,鲁棒性强,比单一的配准方法准确性高,并且可以不断地修正可信度,具有较强的适应性。     

语音特征匹配的图像配准方法

为了解决传统DTW算法准确度和效率不高的问题,提出了一种基于图像配准方法的语音特征匹配算法.该方法将MFCC参数映射为二值图像,并通过引入图像配准的方法进行模板匹配,达到了语音特征匹配的目的.实验结果表明,与传统的DTW算法相比,该方法的准确率、召回率和算法执行效率有了明显的提高.     

基于形状和纹理的外观设计专利图像检索方法

提出一种多特征融合的外观设计专利图像检索方法。形状特征融合了几何结构特征与边界方向直方图特征来描述,通过整体结构和轮廓特征的融合全面表达了物体的形状;纹理特征融合了Gabor小波提取的特征和提出的分块统计特征;最后采用加权法融合形状特征和纹理特征,实现外观设计专利图像检索。     

基于拉伸空间变换算法在DSA配准中的应用

提出一种基于拉伸的空间变换算法, 首次将其应用于数字减影血管造影术(DSA) 图像配准中以消除运动伪影. 实验结果表明, 与传统线性空间变换算法相比, 采用基于拉伸的空间变换算法配准后的减影图像质量显著改善. 为提高计算速度, 仅对选定的控制点进行块匹配操作, 图像其余像素点基于相邻像素运动位移的连续性, 均由找到的运动位移点经空间变换和灰度插值计算得到. 基于拉伸的空间变换算法可避免采用传统线性空间变换算法所产生的病态解, 属于非线性有理变换. 提出的基于拉伸的空间变换算法简单实用, 可准确有效地确定需估算的运动位移点位置, 且配准后的减影图像质量优于采用线性空间变换算法配准的减影图像质量.     

基于MATLAB的图像配准方法

图像配准常常是作为其他图像处理应用的前处理步骤使用的,往往用于图像的对准、目标识别与定位。介绍了在MATLAB系统中,如何应用MATLAB的IPT函数对图像进行配准的方法:首先用人机交互的方法在待配准图像与基准图像之间进行图像配准所必需的匹配控制点的选取,然后用这些匹配控制点来计算两图像的某种空间几何变换关系,最后利用这个空间几何变换关系对待配准图像进行几何变换,获得配准结果。实验表明,该方法实现容易,且非常有效。