基于互信息的分层遥感图像配准方法

该文提出了一种基于互信息相似性判据的分层遥感图像配准方法,通过小波变换构造图像金字塔,从金字塔的最顶层开始搜索,根据互信息最大的原则确定图像间的变换参数,并作为下一层搜索的粗略位置,然后逐层细化,实现由粗到细的搜索过程。将此算法应用于遥感图像,得到了有效、精确的配准结果。从而证明了该文算法的可行性和有效性。     

一种基于互信息和小波分解的图像配准算法

为了寻找快速、精确、鲁棒性强的自动配准算法,论文提出了基于互信息和小波分解图像配准方法。假设实时图像和模板图像之间的变换为仿射变换,采用金字塔小波分解和边缘特征提取获得特征点,利用分层特征点方法进行配准,以互信息最大作为度量准则,在每层上利用互信息的最大值来获取变换参数,然后得到全局变换参数。仿真结果表明此方法具有很好的抗干扰性、鲁棒性和精确性。     

图像配准的小波分解方法

提出了利用图像与其作小波分解后的近似分量的轮廓相似性，进行图像配准的一种方法．首先利用仿射变换和小波分解的理论，证明了该方法的正确性，并对求配准参数的运算量进行了分析；然后给出了利用该方法实现图像配准的步骤；最后结合MRI图像的配准，对该方法进行了实验验证．该方法能提高配准的速度，对实时图像配准具有实用价值．     

一种基于小波与概率估计的医学图像配准方法

为提高医学图像配准效果,提出了一种基于小波变换和互信息的配准方法.以小波变换对源图像进行二级分解,并在每个分解层对其子带分量分别进行贝叶斯最大验后概率估计,求概率估计的回归参数,得到配准图像的各小波子带分量,再进行小波逆变换,实现对源医学图像的配准.     

一种基于边缘特征的图像配准方法

采用一种基于边缘特征的图像配准方法,首先通过小波变换来提取图像的边缘,然后将人工选择的边缘点代入仿射变换模型,得到配准参数（每选择一组不同的边缘点,就会得到不同的配准参数）。在不同的配准参数条件下,计算两幅图像的交互方差。取交互方差最小时所对应的配准参数为最终的配准参数。最后再利用仿射变换模型对待配准图像进行平移、旋转、缩放得到最终的配准图像。     

基于小波金字塔和轮廓特征的医学图像配准

提出一种快速而精确的自动医学图像配准算法.先提取图像的轮廓,根据力矩主轴法计算初步配准变换参数的值,实现参考图像和待配准图像的初步配准;然后在此基础上,利用小波分解图像,提取图像的边缘特征点,采用小波金字塔分层搜索的策略在一个相对较小的范围对变换参数进行迭代搜索,最终实现图像的精确配准.不但提高了配准的精度,而且可减少精配准过程中所需的时间,有效地降低了配准过程所需的计算量.由实验结果可以看出,配准结果精确,实现速度快,因此是一种实用的多模态配准算法.     

基于小波分解和互信息的图像配准方法

根据小波分解和互信息测度的原理,提出一种快速的图像配准方法。首先,对原图像进行小波分解,在保证配准精度下对分解图像进行灰度压缩,以减少配准参数的计算量,并利用最大互信息准则和下降单纯形的搜索策略找到最优配准参数实现图像配准。实验结果表明,这种图像配准方法能在保证配准精度条件下,提高配准的速度。     

基于FFT与互信息准则的分层遥感图像配准

提出了一种基于傅立叶变换和互信息准则的分层遥感图像自动配准方法。通过小波变换构造图像金字塔;在小波分解的最顶层,采用基于傅立叶变换的方法确定图像间的变换参数,并作为下一层搜索的粗略位置;然后根据互信息最大的原则逐层细化,直到最底层。试验结果表明:采用所提的方法,克服了基于互信息准则的分层配准方法耗时长的缺点,且利用分层细化的搜索策略增加了基于傅立叶变换的误差修正过程,提高了配准精度。     

基于小波变换的图像配准

图像配准是信息融合处理中的重要环节。本文分析了图像配准的数学模型,并对小波变换进行了研究。基于小波理论,提出了一种高精度的图像配准方法。该方法利用小波变换将图像分成若干层次,按照互信息最大的原则对小波分解各层的近似分量求取其配准参数,最后通过迭代实现图像配准。实验结果表明,该方法配准精度高、可靠性好,较之传统的方法有明显的优越性。     

基于易操纵金字塔的多传感器图像融合

针对目前传统方法在图像未完全配准时融合效果差的问题,提出了一种基于易操纵金字塔的多传感器图像融合方法。首先,对多光谱图像进行易操纵金字塔分解;然后,恰当地合并分解得到子带图像系列来构造融合图像对应的易操纵金字塔,并通过逆变换重构融合后图像。最后利用熵和空间频率对该方法的融合性能进行了评估分析,并与基于拉普拉斯变换和小波变换的图像融合方法进行了比较。实验结果表明,该方法综合性能优于基于拉普拉斯变换和基于小波变换等传统图像融合方法,图像未完全配准情况下也能获得好的融合效果。     

一种新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,被广泛的用于遥感图像、医学影像、视频监控等诸多领域中。提出了一种新的配准算法,首先分析两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,并将其作为两幅图片的相似性测量。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。     

一种时间序列图像自动配准算法

提出了一种快速易行的时间序列图像自动配准算法：首先对两幅图像分别进行离散小波变换，然后对分解后的两幅低频网像计算联合直方图，最后采用改进的联合直方图区域计数方法来设计目标函数并进行配准参数优化。实验结果与对比分析表明：在基本不影响图像配准精度的情况下，算法大大加快了图像配准速度。     

基于小波不变矩的医学图像配准技术研究

图像配准是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程,是图像融合、目标探测识别和计算机视觉等技术的重要基础,主要用于消除来自不同传感器的图像中目标的位置差异.提出了一种新图像匹配算法,新算法以提升格式小波变换为基础,利用图像多级小波分解后近似分量的轮廓相似性进行图像的快速配准.实验结果表明,新方法高效精确.     

序列图像拼接过程中误匹配的消除

序列图像拼接过程中困难之一是当重叠区域内存在多个相似部分时,就会发生误区配而导致拼接失败。在采用图像特征区域配准算法中,基于同名区域面积差、区域重心同位、区域重心距离比及配准参数复用提出了四种误区配的消除方法。实验表明,这些方法能有效地消除误匹配,提高序列图像拼接的配准率。     

基于小波多尺度积的图像配准方法

由于基于特征的图像配准方法,时提取图像特征的鲁棒性和精确性都有很高的要求,本文提出了一种基于小波多尺度积的图像配准方法。该方法利用小波多尺度积提取边缘图像和特征点,同时保存特征点的方向信息,具有抗噪性强和边缘定位精确等优点;然后利用特征点的方向信息,定义角度直方图来得到图像之间的精确旋转角度;最后可以选择多种匹配准则来确定匹配点对。实验结果表明,本文提出的方法具有精确性、抗噪性、有效性和鲁棒性等优点。     

基于多进制小波变换的图象放大方法

多进制小波是近几年发展的小波分析理论的一个新分支，为了更好地进行图象的放大，提出了一个基于多进制小波变换的图象放大方法，并用三进制小波变换进行了图象的放大试验，通过与常用的插值放大方法进行比较的结果表明，基于多进制小波放大的图象能较好地保持原来图象的特征，优于一般的插值放大方法。     

基于小波分解和互信息测度的图像配准方法

提出了一种利用小波分解和互信息测度的图像配准方法。利用小波分解的近似分量来进行配准可以大大提处理速度。讨论了原图像与其小波分解图像之间的坐标变换问题,证明了该方法的可行性;然后利用图像的互信息测对图像进行配准。与传统方法相比,该方法配准精度高、可靠性好、不需要进行图像分割和特征提取,并能够大大减少算量。     

基于深度学习的医学影像配准综述

图像配准是医学影像处理与智能分析领域中的重要环节和关键技术.传统的图像配准算法由于复杂性较高、计算代价较大等问题,无法实现配准的实时性要求.随着深度学习方法的发展,基于学习的图像配准方法也取得显著效果.文中系统总结基于深度学习的医学图像配准方法.具体地,将方法归为3类:监督学习,无监督学习和对偶监督/弱监督学习.在此基础上,分析和讨论各自优缺点.进一步,着重讨论近年来提出的正则化方法,特别是基于微分同胚表示的正则和基于多尺度的正则.最后,根据当前医学图像配准方法的发展趋势,展望基于深度学习的医学图像配准方法.