基于改进光流场和尺度不变特征变换的非刚性医学图像配准

该文对传统的变分光流模型进行了改进,结合尺度不变特征变换(SIFT)特征点提取提出一种新颖的非刚性医学图像配准算法。该算法模型使用亮度守恒与梯度守恒假设相结合的数据项,很好地解决了对医学图像中局部病灶异常、亮度不均匀等区域的处理问题;通过采用自适应的各向异性正则项,解决了传统光流模型中的过平滑所导致的图像严重模糊和重要细节丢失的问题;通过结合SIFT特征点提取,并采用多分辨率分层细化、内部不动点迭代以及由粗到细的变形技术求解策略,很好地解决了传统光流场模型无法对大形变医学图像以及细节进行配准的问题。实验证明：该文的模型和算法可以很好地实现对医学图像的非刚性配准。     

基于ORB算法的多聚焦岩屑图像快速配准

多聚焦岩屑图像具有点阵多,分辨率高等特点。使用基于尺度不变特征变换(SIFT) 算法或者加速鲁棒性特征(SURF) 算法在图像的自动配准上虽具有较好的配准效果,但时间效率远未达到实时性要求。本文将一种快速的图像匹配算法—定向二进制简单描述符(ORB)算法应用于多聚焦岩屑图像的自动配准。仿真实验结果表明,该方法在保证配准的精确度同时,在速度上具有较大的提升。     

结合相位和ＳＩＦＴ特征相关的图像自动配准算法

提出一种鲁棒性较好的图像配准算法解决乱序输入图像序列自动拼接问题。首先为输入图像建立多分辨率金字塔,在较低分辨率图像层上进行相位相关区域搜索;接着对得到的相关区域进行SIFT特征相关验证,得到图像序列的配准关系和透视变换矩阵的初步估计;然后结合估计参数对原始图像的SIFT特征再次进行相关匹配,最终实现图像序列变换参数的精确求解。该算法结合相位相关和SIFT特征相关两种配准算法的优点并应用由粗到精的匹配策略提高了图像配准的速度和稳定性。     

基于ROI的高精度红外全景拼接算法研究

针对红外图像空间分辨率低、视场窄,导致图像配准率低、实时性差的问题,提出一种基于感兴趣区域(ROI)的高精度红外全景拼接算法。该算法首先根据两张相邻图像的近似位置关系,求取图像间的ROI;接着,在ROI窗口中提取尺度不变特征变换(SIFT)特征点并将其作为运动目标,结合KLT(Kanade-Lucas-Tomasi)实时跟踪算法确定待配准图像中特征点的位置信息并进行匹配;然后采用随机采样一致性(RANSAC)算法剔除误匹配点对;最后利用像素级融合法消除拼接痕迹,合成一幅分辨率稳定、视场宽的红外全景图像。经实验验证,该算法与传统SIFT算法相比,配准率提高了3.491%,运行时间约提高了50%,能够准确、有效地实现多帧红外图像的无缝拼接。     

基于SIFT和相位相关的图像拼接

在图像拼接算法中,SIFT算子应对图像间复杂的变化较其他算子鲁棒性最好.对于多幅拼接,直接采用SIFT配准运算量庞大.本文首先利用相位相关法确定图片之间的位置关系,再用SIFT特征点实现两两配准,最后,将HSI加入到传统的淡入淡出融合算法中,得到了亮度均匀的无缝全景图.     

结合边缘检测的快速SIFT图像拼接方法

为了对身管内壁序列图像进行精确配准与融合拼接,得到大视场高分辨率待检测图像,根据图像特点提出了一种结合边缘检测的快速SIFT图像拼接方法。该方法充分考虑待处理图像的特点,首先对感兴趣区域的图像进行边缘检测,分割出细节信息最丰富的子区域,再对分割出的子区域提取SIFT特征点并进行配准。然后,使用基于Sigmoid型函数权重的图像融合方法,实现图像之间的无缝融合,最大程度地保证了融合图像的清晰度和细节信息的完整性。实验结果表明:改进的方法和传统SIFT算法相比,在特征点提取阶段的平均效率提高了80%左右,且整体配准阶段的效率也有较大提高。图像融合结果在主观评价和各种客观评价值上都能满足工程实际需求。     

基于迭代更新的SIFT遥感图像配准算法

由于多光谱遥感图像之间存在复杂辐射差异，造成全色图像与其他波段图像通过尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)算法进行图像配准时无法保证配准精度。针对这一问题，提出一种基于迭代更新策略的SIFT算法。该算法通过SIFT算法获取同名点，迭代更新求解单应性矩阵，获得基准图像与待配准图像之间的最优单应性矩阵实现图像配准。为验证所提方法的有效性和鲁棒性，在网通一号和高分二号遥感影像上进行了图像配准实验，实验结果表明，所提方法不仅可实现高精度的图像配准，还可以有效提升SIFT算法应对遥感图像辐射差异的鲁棒性。     

多核DSP下的SIFT算法优化

由于SIFT特征匹配算法可以准确地解决若干幅图像间出现平移、旋转以及仿射变换等情况下的匹配问题,同时可以实现对不同角度拍摄图像与光强变化下采集图像的比较可靠的匹配.基于TI的C6000系列多核DSP,本文主要研究SIFT算法配准图像并对其进行优化.先通过网口将保存在计算机中的图像数据传入DSP中,DSP会对所得的图像数据进行SIFT配准计算,最后将计算得出的匹配结果通过网口反馈至计算机.本文对代码进行编译器优化后,针对特征描述子匹配阶段特别采用了多核并行处理.测试结果表明,对于有丰富特征点的图像,采用多核并行技术进行描述子匹配计算,使得匹配阶段的耗时仅约为单核计算的1/4,提高了匹配效率.     

基于SIFT算法的异源遥感影像自动匹配研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为遥感图像的匹配带来了困难。主要利用图像特征点提取方法,使用具有尺度不变特性的SIFT(Scale Invariance Feature Transform)方法,对异源遥感图像进行配准和图像进行拼接操作,并进一步对SIFT算法进行优化,采用双向匹配策略。实验证明该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征差异的异源遥感图像的精确配准,同时实验验证了双向匹配算法用于SIFT特征点匹配中的优越性,证明其为一种好的匹配测度。     

红外与可见光图像配准研究现状与展望

红外与可见光图像配准是常见的多模态图像配准,它广泛应用于军事、遥感等领域,有必要对其研究现状进行综述。在描述了红外与可见光图像配准问题后,首先简述了图像配准的一般方法,分为基于图像区域的配准方法和基于图像特征的配准方法,重点述评了局部不变特征方法中的SIFT算法和SURF算法;然后按文献发表时间顺序对红外与可见光图像配准的国外和国内研究现状进行了详细述评;总结了红外与可见光图像配准研究中存在的问题;最后对其进行展望,并指出未来的研究重点是以SIFT算法和SURF算法为研究基础去构造对模态不敏感的不变特征和其相应的描述子。     

连接向量特征匹配的暗场图像配准方法

利用损伤点之间的位置关系,根据光学元件损伤暗场图像的特点设计了一种基于连接向量特征匹配的配准方法。该方法首先对基准图像及待配准图像分别进行图像预处理,提取损伤点轮廓的中心坐标作为损伤点的位置值。然后构建损伤点连接向量,求出主方向并计算主方向下的连接向量特征,使用连接向量匹配获得匹配点对,最后利用RANSAC算法对匹配点对进行仿射变换参数计算。该方法具有旋转不变性,尺度不变性以及较高的配准准确度。实验对比分析了该方法与SIFT算法的计算效率及配准精度,结果表明在暗场图像条件下文中方法更有效且为背景单一,灰度信息较少同时要求较高的配准速度的场景下的图像配准问题提供了解决方案。     

基于稀疏随机投影的SIFT医学图像配准算法

针对尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法在关键点特征描述向量阶段计算复杂并且维数较高的现象,提出了一种基于压缩感知理论的SIFT算法。通过压缩感知理论的稀疏特征表示方法,对SIFT关键点特征向量进行提取,将高维梯度导数向量降到低维的稀疏特征向量,降低了关键点描述向量维度。采用欧式距离作为关键点的相似性度量, Best-Bin-First(BBF)数据结构避免穷举,使数据的运算量大为减少。实验结果表明,新算法对存在仿射变换的医学图像配准性能优于传统SIFT算法,与当前改进型的SIFT算法相比,本文算法的实时性明显增强。     

一种CSS-SIFT复合图像配准算法

针对SIFT算法的图像配准耗时长的问题,提出一种CSS-SIFT复合图像配准算法.CSS-SIFT算法首先使用CSS算法检测图像特征,然后,使用优化的SIFT算法生成并降维图像特征描述子,最后,使用基于欧式距离和曼哈顿距离的优化双向匹配算法对图像特征进行匹配.仿真实验条件是通过计算机中仿真软件进行仿真实验,统计图像特征...     

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.     

采用SURF特征和局部互相关信息的图像配准算法

针对现有图像配准方法中存在的鲁棒性与配准精度难以兼容的问题,提出了一种采用SURF特征和局部互相关信息的图像配准算法。首先通过SURF特征提取方法进行初步粗配准以提升配准鲁棒性,然后利用图像中局部关键区域的互相关系数计算出单应矩阵,最后将单应矩阵应用于粗配准结果,对粗配准后的图像进行旋转变换,从而实现高精度和高鲁棒性的图像配准。实验结果表明:提出的配准方法与基于SIFT、ORB、SURF、互相关信息的图像配准方法在多组数据上进行了对比,不仅表现出了较高的配准精度和配准效率,也表现出了更优的鲁棒性。     

基于改进SIFT算法的多源遥感影像配准研究

提出了一种新的基于SIFT(scale invari-ant features transform)算法的遥感图像配准算法.首先用Harris角点检测法代替了传统SIFT算法中的图像特征检测方法,再采用SIFT算法中的特征描述对图像特征进行描述,最后在参考图像上确定搜索范围,利用两幅图像之间的相关系数建立一对一的匹配关...     

基于双边滤波和AGAST-BEBLID的图像匹配算法

针对传统AGAST特征匹配算法存在精度差、鲁棒性低等问题，提出一种基于双边滤波和AGAST-BEBLID的图像匹配算法。首先使用双边滤波进行去噪和增强图像边缘细节效果。其次使用BEBLID算法在特征提取阶段创建高效二进制描述子，来产生更好的局部特征描述。然后使用GMS算法结合汉明距离来筛选KNN匹配后的图像，达到特征粗匹配。最后使用GC-RANSAC算法在误匹配剔除阶段进行局部最优模型拟合，得到图像特征精匹配。实验结果显示：改进后的算法在复杂环境下的总体平均准确率较AKAZE,BRISK和SIFT分别提高了10.57%,17.20%和19.45%。     

Combining pores and ridges with minutiae for improved fingerprint verification

This paper presents a fast fingerprint verification algorithm using level-2 minutiae and level-3 pore and ridge features. The proposed algorithm uses a two-stage process to register fingerprint images. In the first stage, Taylor series based image transformation is used to perform coarse registration, while in the second stage, thin plate spline transformation is used for fine registration. A fast feature extraction algorithm is proposed using the Mumford–Shah functional curve evolution to efficiently segment contours and extract the intricate level-3 pore and ridge features. Further, Delaunay triangulation based fusion algorithm is proposed to combine level-2 and level-3 information that provides structural stability and robustness to small changes caused due to extraneous noise or non-linear deformation during image capture. We define eight quantitative measures using level-2 and level-3 topological characteristics to form a feature supervector. A 2ν-support vector machine performs the final classification of genuine or impostor cases using the feature supervectors. Experimental results and statistical evaluation show that the feature supervector yields discriminatory information and higher accuracy compared to existing recognition and fusion algorithms.     

一种基于SIFT的仿射不变特征提取新方法

图像局部特征提取是图像理解及机器视觉领域一个非常关键的问题,其中SIFT特征因具有良好的显著性和鲁棒性而得到广泛应用。但是,SIFT采用DOG检测子,定位的特征区域为各向同尺度变化的圆形区域,故其只具有尺度不变性,并不具备仿射不变性。此外,SIFT采用128维特征向量表示,当在图像特征点较多情况下进行匹配实验时,存在存储空间大、匹配耗时多等缺点。针对这两个问题,本文提出一种新的仿射不变特征提取方法,即HA-DR-SIFT(Hessian Affine-Dimensionality Reduction-SIFT)。首先,用Hessian-Affine 检测子代替DOG检测子,使提取的椭圆图像区域满足仿射不变性需求;其次,用PCA或NLPCA方法对128维特征向量进行降维处理,提高后续运算效率。实验表明,新方法不仅具有良好的仿射不变性,而且在匹配时间和存储空间上优于SIFT算子。