基于互信息的多模态医学图像配准研究

由于基于互信息的图像配准方法具有自动化程度高、配准精度高等优点,本文利用这一优点,根据图像配准的基本步骤设计出一个基于互信息的多模态医学图像配准算法。首先是采用三线性插值方法对图像进行插值处理,然后利用Powell优化算法,根据互信息值来判断Powell算法所获得的参数是否是最优参数解。最后仿真实验证明了该算法的有效性。     

基于互信息的多模态医学图像配准技术研究

分析了互信息配准的物理基础和配准原理,提出了利用差图像熵的互信息测度,对多种具有代表性的互信息测度进行了比较,并用邻域信息对差图像互信息进行了改进.试验结果表明,与空域信息相结合的互信息测度具有更好的抗噪性.     

基于互信息的多模态医学图像配准技术研究

分析了互信息配准的物理基础和配准原理，提出了利用差图像熵的互信息测度，对多种具有代表性的互信息测度进行了比较，并用邻域信息对差图像互信息进行了改进。试验结果表明，与空域信息相结合的互信息测度具有更好的抗噪性。     

结合PCM和MIE的多模态图像配准方法

针多模态图像配准问题,提出了一种基于相位一致性模型（PCM）和互信息熵（MIE）的配准方法.通过相位一致性模型同时提取多模态图像的角点和边缘特征,在边缘图上取角点的邻域,依据邻域间互信息熵的最小值在估计区域搜索匹配特征,利用RANSAC算法去除错配,进而确定待配准图像间的变换参数.实验表明：该方法达到了像素级配准精度、求解稳定,对多模态引起的非线性灰度变化、光照变化、噪声等都具有较强的鲁棒性;计算精度较基于同类特征的配准方法高,角点、边缘等几何特征综合运用在多模态图像配准中效果良好.     

基于膜计算的多模态图像配准算法研究

图像配准是图像融合的前提,具有重要的研究价值。传统的基于智能进化的优化算法在进行图像配准时,存在配准精度低,收敛速度慢的问题。利用膜计算的并行协同进化特性,提出一种在膜计算框架下的多模态图像配准算法,即GA-MCIR算法。设计一种细胞型P系统的膜结构,细胞膜中1个对象表示1组浮动图像变换参数,每个基本膜采用遗传算法进化对象获得最优变换参数,并将最优对象转运到上层膜中,同时所有基本膜之间随机进行最优对象转运操作。通过以上2种转运操作,上层膜保留本膜中本次进化的全局最优对象,并将其转运到各子膜中,参与各子膜的进化。最终,整个P系统的最优变换参数保留在表层膜中。将CT脑部图像和可见光与红外光图像等多模态图像进行配准实验,其结果表明,所提算法相比于基于GA和PSO的图像配准算法具有更高的配准精度、更好的全局收敛性。       

基于人工交互的多模态图像亚像素配准

基于特征点自动匹配的图像配准技术通常无法实现亚像素精度的配准,在多模态图像集上甚至无法完成整像素配准. 为了提高多模态图像配准精度,对亚像素图像配准技术进行研究,提出了一种基于人工交互的适用于多模态图像的亚像素配准算法. 对待配准图像和参考图像输入控制点,利用投影变换和最小线性平方差算法进行粗配准,根据双边平均配准误差对控制点进行亚像素调整,从而达到精确配准. 定性与定量实验结果表明,相比基于尺度不变特征和局部强度不变的特征描述符配准算法,该算法具备更高的配准精度,可显著提高多模态图像配准性能.     

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。     

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。     

一种改进的基于互信息的三维医学图像配准算法

基于互信息的三维医学图像配准是配准的一大热点．本文提出的配准方法主要是对互信息测度的公式进行简化，修正了Powell算法的方向替换方法，保持了原搜索方向，提高了配准速度．合理的设置收敛阈值，并用多分辨率策略进行了图像配准测试．实验表明，改进后的互信息测度可以达到亚像素精度，而且在配准速度上有了明显提高．     

一种改进的基于互信息的三维医学图像配准算法

基于互信息的三维医学图像配准是配准的一大热点.本文提出的配准方法主要是对互信息测度的公式进行简化,修正了Powell算法的方向替换方法,保持了原搜索方向,提高了配准速度.合理的设置收敛阈值,并用多分辨率策略进行了图像配准测试.实验表明,改进后的互信息测度可以达到亚像素精度,而且在配准速度上有了明显提高.     

基于轮廓特征的图象配准研究

图象配准的一个重要问题是多传器获取的图象配准,这些图象具有不同的灰度特征,用经典技术加区域相关等不能解决,基于轮廓在大多数情况下表达了区域的边缘信息,本文提出了基于轮廓特征的匹配方法,该方法采用区域边缘和其它强边界特征作为匹配对象,算法中参数估计理论,先用闭轮廓的特征在,现用开轮廓的突出部分进行校正。     

基于简化仿射变换模型的图像配准方法

在超分辨率图像重构中,将来自不同传感器、不同时间获取的多帧图像高精度快速配准是其关键技术之一。在介绍图像配准基本方法的基础上,根据仿射变换原理,提出了基于简化的仿射变换模型的图像配准方法;通过采用 APS(ac tive pixel sensor) CMOS相机作为图像传感器,建立试验原型系统,验证了此方法的正确性;进行了结果分析,明确了配准精度。试验表明:该算法简单、速度快、精度较高,能够应用于超分辨率图像重构的配准中。     

基于多分辨率图像锥与Hausdorff距离的医学图像配准

提出了利用小波分解建立多分辨率图像锥和Hausdorff距离的医学图像配准方法。先利用小波方法建立多分辨率图像锥,然后根据梯度向量幅度提取分层图像的特征点,利用Hausdorff距离进行特征点集的匹配。该方法提高了配准的速度和精度,而且具有鲁棒性。     

基于小波分析的热红外图像自动配准方法

研究一种快速、准确、抗噪、有效的热红外图像自动配准方法 .首先用小波分析技术提取两幅图像的特征点 ,然后对两幅图像之间的角度差进行补偿 ,最后用多层特征点匹配技术完成两幅图像的变换参数的估计和自动配准 .对热红外图像自动配准的仿真表明本文提出的方法可以快速、自动、比较准确地得到图像之间的配准参数 ,且对噪声具有一定的适应能力     

Automatic Image Registration Algorithm Based on Wavelet Transform

I mage registration is the process of determiningthe transformation which matches best,according tosome si milarity measure,two i mages of the samescene taken at different ti mes or from different viewpoints[1].It has broad applications in many domainssuch as military,medicine,remote sensing and com-puter vision,so a wide range of registration tech-niques has been developed abroad and at home formany years.Given the diversity of remote sensingi mage,complexity of i mage warp,differences be-twe…     

一种基于梯度下降的图像配准算法

图像配准是图像分析的关键技术,针对经典Lucas-Kanade算法计算量大的缺点,提出了一种基于梯度下降的图像配准算法,该方法通过互换目标图像与模板图像的功能,重新定义了目标函数,采用Gauss-Newton梯度下降法求解参数增量,得到在整个迭代过程中保持恒定且可预先求得的海森矩阵,利用迭代法求解变换系数,直至满足收敛条件。实验结果表明,该方法在保证精确度的条件下,提高了计算效率。     

一种基于互信息与梯度的图像精确配准方法

提出一种利用基于梯度加权的灰度归一化互信息相似性测度,并采用凹函数递减的权衡比重的粒子群优化算法作为搜索策略的多模图像精确配准方法。传统的基于灰度互信息配准方法往往只考虑灰度相关性,忽略或不当引入图像空间特征信息,配准容易陷入局部极值,从而出现误配。将灰度与梯度特征有效融合,即梯度加权到灰度互信息中,同时考虑了2幅图像的灰度统计相关性和图像空间特征信息,提高了多模图像配准的精度与稳定性。通过对遥感图像的拟配准与MR-PET医学图像的实际配准,证明了该方法效果良好,算法稳定,配准的准确率和参数精度都得到明显的提高。     

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．