基于超分辨率重建的亚像素图像配准

针对低分辨率图像在配准过程中精度较低的问题,提出了一种基于超分辨率重建的亚像素图像配准方法。首先,对具有1至9像素位移的图像序列进行10倍降采样,获取具有0.1至0.9亚像素位移的图像序列。然后,根据图像的获取过程建立数学模型,以Bayes理论为基础,使用最大后验概率法(MAP)对亚像素位移低分辨率图像进行超分辨率重建,获取高分辨率图像。最后,使用具有亚像素配准精度的扩展相位相关法对图像进行配准。配准实验与噪声实验表明,所提方法的最大配准误差为0.03pixel,能实现对低分辨率图像的亚像素级配准,具有配准精度高、噪声抗干扰能力强等特点,可同时满足可见光图像与红外图像的高精度配准要求。     

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.     

相位相关配准法及其在射线图像数字减影中的应用

介绍了一种基于相位相关法射线图像配准的方法。该方法利用傅立叶变换的平移特性对发生平移和旋转的两幅图像进行精确的配准。提出了将该方法用在数字减影中图像的配准 ,首先用相位相关配准法对发生平移和旋转的两幅图像进行配准 ,然后 ,对配准好的图像进行数字减影 ,正确地检测出了构件的内部状态。实验证明 ,该方法完全不受人工干预 ,具有较高的精度和较强的抗噪能力 ,匹配速度也有很大提高。同时 ,旋转校正算法简单 ,易于实现 ,能够满足系统的实时性要求     

面向目标检测的空间观测图像精确配准

针对空间目标检测对图像配准精度的要求,本文组合Fourier-Mellin变换和加速鲁棒特征变换(SURF)算法来实现对空间观测图像的精确配准,并研究了该配准算法所涉及的变换模型、特征提取、特征匹配和配准精度等问题。该算法首先利用Fourier-Mellin变换计算图像旋转角度的整数值,根据整数角度将待配准图像反向旋转;然后利用SURF算法检测两幅图像的匹配特征点;最后利用最小二乘方法计算旋转角度的浮点值和平移量,而整数角度与浮点角度之和就是待配准图像的实际旋转角度。文中分析了SURF特征点检测与图像尺寸、DoH响应阈值以及尺度空间层数之间的关系。实验结果表明:提出的算法对图像旋转角度估计值的均方误差为0.0077°,50组实拍图像中星点质心均方误差的平均值为0.1353pixel,能够满足空间目标检测对图像配准的精度要求。     

一种图像配准的超分辨率重建

提出了一种具有子像素级精度的图像配准方法,并通过迭代反投影算法进行超分辨率重建.介绍了基于3参数模型的图像配准方法并提出了基于4参数模型的图像配准方法,由于没有直接将旋转角度参量引入到运动模型中,有效地避免了原方法中泰勒级数展开时的小角度假设.最后,根据配准算法所得到的子像素级运动信息,用迭代反投影算法进行超分辨率重建.分别对多幅具有较大运动的模拟及真实的低分辨率图像进行实验,结果表明:该配准算法取得了更高的精度,平均平移误差减少了0.026 1 pixel ,平均旋转角度误差减少了0.356 4°;重建图像具有更好的视觉效果,平均PSNR值提高0.75 dB.本文方法可以被广泛地应用于相互间主要存在平移和大角度旋转的多幅低分辨率图像的大倍数超分辨率重建,可满足实际应用要求.     

基于传感器参数和目标轮廓中心的自动配准算法研究

通过对光电成像型反舰导弹的成像过程分析,提出了一种自动配准算法。其基本思路是将图像变换模型分解,逐步简化。可见光和红外图像配准时的变换为仿射变换。首先,利用传感器参数的调整,消除图像间的比例变化,将仿射变换简化为刚体变换;然后,依赖图像信息,用形态学边缘检测的方法求取目标的轮廓中心,以此为控制点消除图像间的平移变化,实现图像的完全配准;最后,通过观察海天线是否重合以及利用均方根误差原则,对算法的配准效果做详细评估。仿真实验表明,该算法准确、快速,配准精度满足目标识别的要求,可以较好地解决异类传感器弱小目标图像配准的难题。     

轮对轮辋厚度检测中图像配准方法研究

针对轮辋厚度参数的在线检测,提出了基于双相机的轮辋厚度参数检测方法,其中图像配准是影响该参数计算的重要因素。在分析轮对轮廓线图像特点的基础上,提出了利用配准板特征点的图像配准方法,设计了图像配准步骤,采用仿射变换作为图像配准中的变换模型。为保证配准精度,在综合考虑配准板上特征点的数量和特征点的分布的基础上设计了配准板。通过图像配准实验,提取了配准板特征点坐标,求解了仿射变换矩阵。实验表明,该方法的配准精度为2个像素。     

结合多分辨率修正曲率配准的层间插值

针对体数据各坐标轴分辨率不一致,导致医学及工业三维图像重建时出现边界台阶状结构、细节断裂或缺失等问题,提出了基于多分辨率修正曲率配准的层间插值方法。该方法采用反投影重建形式增强图像细节,解决配准图像清晰度和对比度弱的问题;利用三次卷积插值构造切片的低分辨率图像以保留图像细微结构,提高配准精度。采取从低分辨率粗配准到高分辨率精细配准的策略减少计算时间,提高计算效率。利用切片图像对应像素间存在对称形变结构的特征,建立了修正曲率模型估计形变场,解决了配准时单向形变不一致的问题。最后,通过离散余弦变换(DCT)的数值解析方案对构建的形变场估计函数进行优化,利用最终形变场数据对切片进行线性插值,计算出层间图像。实验结果表明,提出的算法能够消除现有方法插值图像的边缘模糊现象。与线性插值算法相比,提出方法的均方差(MSD)减小了40%,高于对称曲率模型,且耗时仅为该模型的20%左右,满足应用要求。     

基于约束线性判别分析的非监督高光谱影像分类方法

针对高光谱影像非监督分类问题,从特征提取的角度提出了一种用于高光谱混合像元分类的非监督约束线性判别分析算法（UCLDA）。该算法首先利用顶点成分分析（VCA）提取端元,然后用光谱角匹配方法（SAM）构造训练样本并基于约束线性判别分析（CLDA）进行特征提取,最后用最小距离法分类。整个算法实现了非监督分类。对模拟的高光谱数据和真实的遥感影像进行了仿真研究,研究结果表明．UCLDA略优于最小二乘光谱混合分析技术．但明显好干经典的井．谱角匹配分娄．     

显微高光谱成像系统的设计

设计出一种基于棱镜 光栅 棱镜组合分光方式的显微高光谱成像实验系统.系统根据推帚式成像光谱仪的原理进行设计,采用棱镜 光栅 棱镜组合元件在后光学系统进行光谱分光,利用高精度载物台自动装置驱动样品进行推扫成像,选用PCI总线作为数据采集的微机接口.整个系统由显微镜、分光计、面阵CCD相机、载物台自动装置以及数据采集与控制模块等几部分组成.系统的光谱范围从400nm到800nm,120个波段,光谱分辨率优于5nm,空间分辨率大约1μm.该系统具有直视性、光谱分辨率高、结构紧凑、成本低等优点;不仅能够提供微小物体在可见光范围的单波段显微图像,而且能够获得图像中任一像素的光谱曲线,实现了光谱技术和显微成像技术的结合,成功的将成像光谱技术应用到显微领域,可广泛应用于临床医学、生物学、材料学、微电子学等学科领域.     

插入Féry棱镜的小型Offner超光谱成像系统的设计

为了减小超光谱成像系统的质量和体积,校正光谱成像的谱线弯曲,提出了一种新型带有Féry曲面棱镜的Offner超光谱成像系统。在该系统中,一对Féry曲面棱镜位于Offner中继系统的两臂,光束两次通过Féry棱镜进行分光,因此当获得指定大小的色散值时该结构具有比传统结构更小的质量和体积。为了减小可见近红外(VNIR)光谱通道的非线性色散,在该结构中还引入一对消色差火石Féry棱镜。设计了应用于VNIR和短波红外(SWIR)两个光谱通道的超光谱成像系统,并给出了设计结果。结果表明,该光谱成像系统在两个光谱通道内的谱线弯曲均小于0.1个像元,色畸变均<0.045个像元,而非线性度小于0.1,可满足机载或星载超光谱成像仪的要求。     

一种超光谱图像分层压缩方法

根据超光谱图像有很强谱间相关性的成像特点,设计了一种预测算法结合变换编码算法的图像分层压缩方法。采用几个相邻波段图像共享同一有损图像作为预测图像,克服了预测算法对传输误差的敏感性。预测图像是通过对原始图像进行局部熵为代价函数的四叉树分割后,再经小波变换得到的。用各个原始图像减去共享预测图像来去除谱间相关性,并得到相应残差图像,再对残差图像采用局部离散余弦基变换方法去除空间相关性,实现近无损压缩。研究结果表明,各波段峰值信噪比(PSNR)为40dB左右时,压缩比(CR)高于7.2,分层压缩方法具有很好的压缩效果。     

Three-dimensional volume reconstruction of extracellular matrix proteins in uveal melanoma from fluorescent confocal laser scanning microscope images

The distribution of looping patterns of laminin in uveal melanomas and other tumours has been associated with adverse outcome. Moreover, these patterns are generated by highly invasive tumour cells through the process of vasculogenic mimicry and are not therefore blood vessels. Nevertheless, these extravascular matrix patterns conduct plasma. The three‐dimensional (3D) configuration of these laminin‐rich patterns compared with blood vessels has been the subject of speculation and intensive investigation. We have developed a method for the 3D reconstruction of volume for these extravascular matrix proteins from serial paraffin sections cut at 4 µm thicknesses and stained with a fluorescently labelled antibody to laminin ( Maniotis et al., 2002 ). Each section was examined via confocal laser‐scanning focal microscopy (CLSM) and 13 images were recorded in the Z‐dimension for each slide. The input CLSM imagery is composed of a set of 3D subvolumes (stacks of 2D images) acquired at multiple confocal depths, from a sequence of consecutive slides. Steps for automated reconstruction included (1) unsupervised methods for selecting an image frame from a subvolume based on entropy and contrast criteria, (2) a fully automated registration technique for image alignment and (3) an improved histogram equalization method that compensates for spatially varying image intensities in CLSM imagery due to photo‐bleaching. We compared image alignment accuracy of a fully automated method with registration accuracy achieved by human subjects using a manual method. Automated 3D volume reconstruction was found to provide significant improvement in accuracy, consistency of results and performance time for CLSM images acquired from serial paraffin sections.     

马铃薯晚疫病害的高光谱图像空谱对比研究

为了快速检测马铃薯晚疫病,采用高光谱成像技术对马铃薯晚疫病的空谱信息进行对比研究以得到最佳判别手段。使用高光谱相机采集病害侵染0～6 d的高光谱图像,同时选取第6 d典型晚疫病病害的高光谱数据作为研究对象。采用二阶导数结合主成分分析和二次主成分分析分别从光谱和空间两个方面进行特征提取,之后基于特征波段反射率和主成分图像灰度值建立K最近邻分类算法、BP神经网络、决策树算法3种识别模型对不同时期病害进行识别。实验结果表明:基于二次主成分图像的灰度值结合BP神经网络建立的模型对马铃薯晚疫病的识别具有良好的成效,其识别率达96.6%。利用主成分图像灰度值建立的3种模型既减少了波段的冗余又提高了识别率,为研究和开发实时在线检测仪器提供了参考。