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。     

三维变焦测量序列图像配准研究

在三维变焦测量技术中,驱动单元控制被测物移动同时相机采集序列图像,此过程中由于环境不稳定如载物台振动、光照条件的变化等可能导致图像失配,因此有必要对序列图像配准使得其在几何位置意义上对齐。提出利用结构相似性测量(SSIM)定量评价配准质量,同时通过将配准后图像与参考图像对比差异化显示,更加全面地衡量配准效果。首先根据单反相机拍摄的标定板图像对比分析了基于灰度信息和不同特征的配准方法,考虑到序列图像配准对速度和准确度的要求,确定了基于SURF特征的配准方法。然后对三维变焦序列图像进行配准,效果良好且根据配准得到的变换矩阵可以看出图像间仅存在几个像素内的平移。     

显著图引导下基于偏互信息的医学图像配准

提出了偏互信息(PMI)和归一化偏互信息(NPMI)相似性测度,PMI和NPMI分别是互信息(MI)和归一化互信息(NMI)的推广.建立了显著图引导图像配准(SMGR)框架,该框架利用显著图构建引导层进行图像粗配准,粗配准图像的几何拓扑特征与参考图像接近,并与参考图像构成新的待配准图像再进行精配准.对比实验表明,以偏互信息和归一化偏互信息为相似性测度,可以凸显图像的某些局部信息效用,利用提出的图像框架能提高医学图像的配准精度,并对噪声图像有较好的鲁棒性.同时,偏互信息和归一化偏互信息提供了图像处理中相似性测度的多种选择,SMGR框架方法丰富了图像配准方案.     

基于CUDA加速的多模态膝关节图像配准

不同模态的医学图像包含了不同的信息,这些信息对医生和患者来说通常是互补的.针对单一模态医学图像信息缺失的问题,提出了一种基于CUDA加速的多模态医学图像快速配准算法.算法首先通过数字影像重建(Digitally Reconstructed Radiograph,DRR)技术将采集到的患者膝关节CT三维体数据转化成二维平...     

偏振探测系统的图像配准

分振幅式偏振探测成像系统的各分光路图像之间存在位置误差,率先完成各分光路图像之间的图像配准是进行偏振探测的前提条件。针对探测过程中,目标特征不明显、图像特征难以提取、各分光路图像间灰度变化较大的问题,提出适用于分振幅式偏振探测成像系统各分光路图像的相似性度量函数,并在此基础上,完成各分光路图像间的配准工作。首先,根据图像间的位置误差会造成偏振信息图像中出现信息异常区域的原理,研究了相似性度量函数的提取算法;接着,根据探测系统的各分光路的成像特点,确定图像间的几何变换参数;以遗传算法作为参数优化搜索算法,搜索得到最优的几何变换参数,完成整个图像配准算法的设计;最后,分别利用构造图像和实际采集图像,对配准算法进行了验证,并以图像间互信息值(MI)衡量图像配准的精度。实验结果表明:配准后的构造图像的MI为2.692 5,高于特征配准方法的实现精度;实际采集图像配准后的MI达1.849 3,同样高于特征配准方法的实现精度。基本满足偏振探测系统的图像配准需求。     

结合深度卷积网络与加速鲁棒特征配准的图像精准定位

针对在大图像中定位小块区域图像的需求,本文提出一种结合深度卷积网络与加速鲁棒特征(SURF)配准的精准定位方法。将标准大区域图像分割成若干个小参考图像,利用深度卷积网络和类局部敏感哈希降维法提取参考图像集的特征并形成特征库;基于特征库,提出了先检索多个相似参考图像后再进行SURF精确配准的两阶段方法,实现目标小图像在标准大图像中的定位。针对电子工业过程中高密度柔性电路板(FPC)及精确末制导中的图像定位数据进行实验,实验结果表明,该方法避免了传统SURF算法大量的特征提取与配对过程,SURF特征提取数减少近90%;与直接根据图像特征进行配准的传统定位方法相比,在保证定位准确率的基础上,耗时可缩小一个数量级以上。     

应用显著纹理特征的医学图像配准

针对传统的基于几何度量的配准方法无法配准存在局部变形的医学器官的问题,提出了应用显著纹理特征的经典迭代最近点(ICP)医学图像配准算法。该方法借鉴主动外观模型(AAM)思想对医学图像的显著纹理特征建模,将显著性强的特征点赋予较大权重,率先配准。在传统基于空间距离的图像配准基础上加入显著纹理距离。然后,模拟格式塔心理学提出的人类视觉认知过程,使用线性递减的权重平衡两种"距离"度量方式。该算法前期主要根据几何距离取得整体配准效果,后期依赖图像纹理特征使存在局部变形位置的特征点也能精确配准。最后,在腹腔肝脏图像上进行实验。实验结果表明该算法取得了较好的配准效果,准确率达78.82%,比其他几种流行算法提高了22.22%,且对图像的旋转变化不敏感。提出的算法基本解决了存在局部变形医学器官图像的配准问题,达到了精度高、鲁棒性强的配准效果。     

基于双平面DR的骨折股骨三维姿态估计

针对骨折股骨DR缺少三维模态下空间信息的问题,提出一种基于双平面DR进行2D-3D非刚性配准的姿态估计方法,实现骨外科手术术前骨折股骨的三维可视化.本文提出的方法相比于单纯的DR或CT成像诊断方式,具有成本低、成像快、有害辐射小、精度高等优点.该方法首先利用正、侧位骨折股骨DR获得与通用模型投影轮廓的二维配准参数;然后利用基于针孔相机模型的标定法确定二维平面到三维空间的变换关系,最后将通用模型分成骨折的两段,确定每段的姿态,获得患者股骨个体化骨折姿态.实验结果为平均旋转误差小于1.5°,平均平移误差小于2 mm,配准成功率大于90％,表明该方法具有较高的精度和鲁棒性,可为骨外科手术的术前诊断及手术计划制定提供更为有效的三维影像信息.     

基于SURF和改进CSS的弧形槽几何尺寸视觉检测算法研究

针对汽车儿童安全座椅弧形槽内部结构复杂、几何尺寸不易测量的问题,提出一种基于SURF算法和CSS算法的弧形槽几何尺寸视觉检测算法。首先,双目相机倾斜拍摄弧形槽图像,检测弧形槽图像SURF特征并提取优质匹配集合实现图像配准,以渐入渐出法融合弧形槽图像。然后,采用基于改进CSS算法对弧形槽轮廓曲线进行角点检测,利用角点分割弧段进行弧形槽尺寸检测。实验结果表明,所提出的方法实现了弧形槽宽度和长度参数测量,宽度值测量误差2%,长度值测量误差1%,SURF图像拼接算法平均处理时间2.50 ms,改进CSS角点检测算法平均处理时间0.30 ms,满足弧形槽检测的实时性和精度要求。     

基于SURF特征描述符和杰卡德距离的文物碎片拼接

针对文物碎片拼接过程中存在因局部碎片缺失和纹饰几何特征受损导致断裂面特征提取不准确的问题,本文提出了一种基于SURF特征描述符和杰卡德距离(Jaccard Distance)的文物碎片拼接方法。首先用Canny算子提取碎片边沿轮廓线以及模型表面纹饰线条,再通过构造多尺度空间来提取断裂面特征点。其次,针对以往构建特征描述符存在的高冗余和欧氏距离计算存在的高延时问题,本文提出构造低冗余的SURF特征描述符,再借助Jaccard距离来进行特征点的相似性比较,确定碎片最优邻接关系。最后采用ICP方法计算得到刚体变化参数,实现碎片较准确拼合。实验结果表明本文算法运行时间提高了12%~16%,拼接误差不超过0.750 mm。与传统方法相比,本文方法能有效地减少因碎片模型受损而造成的拼接缝隙过大、渗透等现象,拼合误差较小,高效地实现碎片拼接。     

应用摄像机位姿估计的点云初始配准

基于摄像机位姿估计的数学模型,提出了一种检测摄像机位移前后目标图像特征点的方法,通过求解摄像机发生位移前后的相对位姿矩阵来解决应用视觉图像获得点云的初始配准问题。首先,介绍了摄像机位姿估计模型,包括本质矩阵、旋转矩阵以及平移矩阵;然后,介绍了SURF算子的特征点检测、描述和匹配的方法,在此基础上面向双目视觉和单目结构光系统,分别提出了摄像机位移前后目标图像SURF特征点匹配和深度估计模型;最后,分别进行双目视觉和单目结构光系统点云的获取、位移前后目标图像特征点检测匹配和深度估计实验,应用摄像机位姿估计模型求解旋转矩阵和位移矩阵,并对位移矩阵进行统计分析剔除粗差。实验中采用基于点云空间特征点和基于图像的方法进行对比,点云对应特征点均方误差缩小至12.46mm。实验结果验证了方法的可行性,表明本文的点云初始配准方法能较好地获得点云精确配准初值。     

基于CenSurE star特征的无人机景象匹配算法

针对传统局部不变特征的景象匹配算法冗余点多、实时性差、抗几何变换不突出的情况,提出基于CenSurE-star的无人机(UAV)景象匹配算法。首先采用Cen Sur E特征星型滤波器(CenSurE-star)提取基准图和实时图中的特征点,并生成FREAK二进制描述符;然后将汉明距离作为特征点的相似性判定度量,采用K近邻距离比值的方法提取匹配点对;最后利用基于RANSAC的定位模型得到空间几何变换关系,实现图像匹配并获取定位点经纬坐标。算法性能评价实验表明,本文算法不仅相对于SIFT、SURF、ORB算法,对各种变换具有更好的鲁棒性,而且相对于改进的SIFT、SURF算法处理时间有更大程度的缩短,算法定位误差在0.8个像素内,尺度误差在0.02倍内,旋转角度误差在0.04°内。基于算法进行外场飞行实验,实验证明算法定位精度较高,可以适应地貌信息较少的环境,并能满足无人机视觉辅助导航的需求。     

A Review of Point Feature Based Medical Image Registration

Point features, as the basis of lines, surfaces, and bodies, are commonly used in medical image registration. To obtain an elegant spatial transformation of extracted feature points, many point set matching algorithms(PMs) have been developed to match two point sets by optimizing multifarious distance functions. There are ample reviews related to medical image registration and PMs which summarize their basic principles and main algorithms separately. However,to data, detailed summary of PMs used in medical image registration in different clinical environments has not been published. In this paper, we provide a comprehensive review of the existing key techniques of the PMs applied to medical image registration according to the basic principles and clinical applications. As the core technique of the PMs, geometric transformation models are elaborated in this paper, demonstrating the mechanism of point set registration. We also focus on the clinical applications of the PMs and propose a practical classification method according to their applications in different clinical surgeries. The aim of this paper is to provide a summary of pointfeaturebased methods used in medical image registration and to guide doctors or researchers interested in this field to choose appropriate techniques in their research.     

三维微细电火花加工运动平台的误差模型建立

随着计算机软、硬件技术的发展,误差补偿技术其性价比高、可靠性好等优点日益受到重视,通过合理的补偿,可使被加工零件的精度得到甚至超过数控加工机床本身的精度。文中介绍在国内外机床误差建模研究的基础上,根据三维大行程运动平台的几何特性,运用齐次矩阵变换,提出了基于“切点”误差的运动学综合空间误差数学模型,并在此基础上完成了三维微细电火花加工运动平台的误差补偿理论分析。     

A Review of Point Feature Based Medical Image Registration

Point features, as the basis of lines, surfaces, and bodies, are commonly used in medical image registration. To obtain an elegant spatial transformation of extracted feature points, many point set matching algorithms (PMs) have been developed to match two point sets by optimizing multifarious distance functions. There are ample reviews related to medical image registration and PMs which summarize their basic principles and main algorithms separately. However, to data, detailed summary of PMs used in medical image registration in different clinical environments has not been published. In this paper, we provide a comprehensive review of the existing key techniques of the PMs applied to medical image registration according to the basic principles and clinical applications. As the core technique of the PMs, geometric transformation models are elaborated in this paper, demonstrating the mechanism of point set registration. We also focus on the clinical applications of the PMs and propose a practical classification method according to their applications in different clinical surgeries. The aim of this paper is to provide a summary of point-feature-based methods used in medical image registration and to guide doctors or researchers interested in this field to choose appropriate techniques in their research.     

基于平面基线靶标的视觉测量数据拼接方法

针对视觉测量中三维数据的拼接问题,提出一种基于平面基线靶标的数据拼接方法。该方法利用平面基线靶标提供特征点,建立视觉传感器在相邻位置坐标系旋转矩阵和平移矢量各参数的优化目标函数,通过Levenberg—Marquardt优化算法求解出旋转矩阵和带有未知系数平移矢量。在此基础上,利用平面靶标上的基线长度确定平移矢量系数,从而求得数据拼接矩阵。利用平面靶标上100个点进行拼接试验,计算出x、y和z坐标拼接RMS误差分别为0．038 mm、0．022 mm和0．135 mm。结果表明该方法柔性好,适用范围广。