医学图像配准中基于图像梯度的灰度压缩

基于互信息的医学图像配准,其配准精度可以达到亚像素水平,精度高且鲁棒性好,但互信息的巨大计算量使配准速度较慢,不能达到临床使用要求,而互信息的计算速度与图像的灰度阶数有关。为此,针对互信息由于图像灰度级数过多造成互信息计算量大的问题,提出一种基于图像梯度的灰度压缩算法。算法采用图像的梯度信息,根据图像梯度对图像进行非线性灰度映射,同时利用小波对差异图像进行分解和重构。实验结果证明,该算法能减少图像灰度阶数,同时较好地保留图像的细节信息,在保持配准精度的前提下减少配准时间。     

一种新的基于图像主轮廓的配准算法

文中提出了一种新的图像配准方法,可以很好解决图像配准中的平移和旋转问题(刚性变换问题)。算法的实现是首先得到待配准两幅图像的轮廓特征点(本文使用SUSAN边缘检测算法);再剔除虚假的特征点(噪声点)后,根据像素间的连通性判别准则,得到图像的主轮廓;最后以两幅图像的主轮廓信息,配准图像。实验证明,算法实现速度快,精度较高。     

图像配准技术研究

图像配准技术是图像拼接技术最关键的步骤,图像配准的好坏直接决定了图像拼接结果的优劣。对图像配准工作进行了总结,介绍了基于区域的图像配准和基于特征的图像配准方法,并分析了各个方法的优缺点,同时指出了现有图像配准算法存在的问题和发展的方向。     

基于点和边缘相结合特征提取的图像配准算法

提出了一种新的基于几何特征的图像配准算法,将特征点提取和边缘提取的方法相结合,有效的获得了图像的主要信息.通过立体视觉匹配技术,建立图像之间的点映射关系,并采用二又树搜索策略改进搜索效率.根据空间的联立方程组得到图像在两个坐标系统中的三维空间数据坐标,然后进行数据拟合得到非特征点的数据.该方法提高了图像配准的效率和准确性.     

结合模型限制和灰度信息的图像配准算法

由于噪声和成像条件的不同,准确得到两幅图像中提取的点特征之间的对应性是基于点特征的图像配准方法的一个难点.为此,文中提出了一种新的基于点特征的图像配准算法.该方法结合图像之间的拓扑关系和点特征之间的相似性,并利用变换模型限制求解点特征之间的对应性,然后根据对应的点特征求解变换模型参数,配准两幅图像.实验结果表明,所提出的方法对传感器相近的图像之间的配准是正确有效的.     

基于直线特征的图像配准算法

为实现高效率、高精度的图像配准,提出了一种利用图像边缘直线特征的图像配准算法。首先利用LoG算子提取参考图像和待配准图像的边缘信息,利用Hough变换提取图像边缘信息中的主要直线;然后以直线特征定义了参考图像和待配准图像的相似性度量,以此度量估计旋转角度,找出直线组的对应关系;最后在这些直线组中选取配准控制直线,计算配准参数,对图像配准。经过实验,验证了该算法的有效性。     

图像配准中的一种特定区域轮廓提取算法

多模态医学图像的配准在医学诊断和治疗计划中起着重要的作用，特定区域轮廓提取是图像配准的重要基础，常规的轮廓提取算法不能满足多模态图像配准的要求。提出了一种用于多模态医学图像处理的特定区域轮廓提取算法。该方法首先对图像进行预处理，去除噪音，对图像进行平滑，采用Canny算子进行边缘提取之后，提出了延伸权的概念，并采用一种新的基于延伸权概念的边缘连接算法对边缘结果进行连接，最后采用填充算法获得特定的辅助区域并在该区域的基础上向外或者向内获取特定区域的轮廓。实验结果表明，该方法能够满足多模态图像配准的要求。     

图像配准中的一种特定区域轮廓提取算法

多模态医学图像的配准在医学诊断和治疗计划中起着重要的作用,特定区域轮廓提取是图像配准的重要基础,常规的轮廓提取算法不能满足多模态图像配准的要求。提出了一种用于多模态医学图像处理的特定区域轮廓提取算法。该方法首先对图像进行预处理,去除噪音,对图像进行平滑,采用Canny算子进行边缘提取之后,提出了延伸权的概念,并采用一种新的基于延伸权概念的边缘连接算法对边缘结果进行连接,最后采用填充算法获得特定的辅助区域并在该区域的基础上向外或者向内获取特定区域的轮廓。实验结果表明,该方法能够满足多模态图像配准的要求。     

基于相关性的病理切片图像配准

尽管病理切片图像对配准的要求比较高,而现存的配准方法却难免会产生失配现象。为解决这一问题,提出了一种基于相关性的病理切片图像配准新算法。该算法是采用基于图片中两平行列(行)间的数据来抽取特征的方法。为了避免“干扰”的累积,该算法选择了差值曲线中最强的特征——最大包来作为模板的基元,并根据图片内容的相关性,利用最大包的分布作为模板来进行图像配准,从而降低了“干扰”的影响,使算法配准的稳定度比以前一些算法有较大的提高。实验证明,该算法不仅比较规整,稳定性高,而且计算速度也较快,是一种比较实用的图像配准算法。     

宽场景仿真中的图像配准算法

为了提高实时宽场景图像拼接应用中的图像配准精度和配准速度,提出了一种利用相机标定信息与相位相关技术相结合的图像配准方法。利用相机间的相对位置参数计算待拼接图像间的旋转和缩放模型,利用相位相关技术求解图像间的平移转换参数。通过理论推导对缩放模型的误差分布进行分析。实验结果证明,该算法理论推导正确,在场景深度范围较小情况下,图像拼接准确快速。     

亚像素级模糊图像配准算法

针对目前的特征点匹配算法不能有效配准边缘模糊的图像,提出一种灰度偏移极值特征。将局部像素灰度偏移均值最明显的点作为特征点,利用最小二乘拟合曲线,通过曲线导函数将偏移极值点精确定位于亚像素级,最后采用分块的NMI为特征点分配32维特征向量,再对比向量间距离以实现配准。该特征易于提取、运算简单,而且能在阶跃边缘不清晰的图像中稳定存在。经实验验证,算法应用于模糊图像配准具有较高的匹配精度。     

一种基于图像平均灰度值的快速图像修复算法

基于纹理合成的图像修复技术用于修复大面积破损区域,目前此类算法都存在时间复杂度高的缺点。针对纹理算法的匹配技术进行改进,提出了一种基于图像平均灰度值的快速图像匹配算法。该算法在匹配之前预先计算纹理块的平均灰度值以及分割后的纹理块的局部平均灰度值,以取代计算复杂的匹配项SSD（sum of squared differences）;匹配过程只需对平均灰度值进行快速比较,结合阈值控制筛选掉大部分候选纹理块。实验结果表明,该算法在不损害图像修复质量的同时,将纹理修复的效率提高到实时水平。同时在纹理合成和纹理修复中具有普遍的适用性。     

一种基于SURF的全景图像配准算法

传统的全景图像配准多采用基于SIFT的方法,该方法数据量大、时间效率低。提出了一种基于SURF的全景图像快速配准方法。运用SURF提取特征点,计算特征描述符;运用低时间复杂度的K-D树最近邻搜索法实现特征点快速匹配;利用RANSAC算法剔除误匹配点;最后估计出两幅全景图像的变换矩阵。测试表明:算法具有较高的时间效率和良好的鲁棒性。     

一种基于互信息的图像配准算法

针对红外和可见光图像的特性,提出了一种基于互信息的图像配准算法。该算法采用互信息作为红外和可见光图像的统计相关性测度,并使用仿射模型实现两者的配准。实验结果表明,该算法能够较好的进行图像间尺度、旋转和平移差别的修正,可以很好地解决成像差异较大的红外与可见光图像间的配准问题。     

一种新的基于特征区域的图像配准算法

全景拼图是近年来兴起的基于图像的绘制技术（IBR）中的一个重要研究方向。在全景视图的实现过程中，关键技术是实现重叠图像正确、平滑的无缝拼接。本文在原有图像配准技术的基础上，提出了一种新的基于特征区域的配准算法，该算法利用两幅重叠图像对应特征区域的相似性，经过特征选择、特征提取和特征匹配三个阶段，实现两幅图像的拼接。实验结果证明，该算法在拼接速度和效果方面的表现均令人满意。     

改进的基于纹理特征的图像配准算法

针对图像纹理规则性与重复性及图像起始纹理分布的不一致性,依据VE4000检测系统的纹理特征配准算法达到配准目的。该算法自行设计标准单一模板,对单一模板进行裁剪与拼接技术达到了图像配准的目的,但是配准效果较差,在此基础上提出了改进的纹理特征配准算法,重新设计模板,拼接生成标准的参考图像,对参考图像进行匹配与裁剪以获取不同配准图像。实验结果证明,改进的基于纹理特征的配准算法运行时间短,配准误差小,能够很好满足缺陷检测的配准需求。     

一种基于仿射变换的SURF图像配准算法

传统的SURF算法对仿射变化较大的图像配准效果差。为此,提出了一种仿射-加速鲁棒性特征(Affine-SURF)的图像配准算法,通过增加经度角和纬度角不变特征引入仿射形变参数来模拟图像在不同角度的变形。实验结果表明,与SIFT、SURF、MSER等配准算法相比,该算法能够获得更多特征匹配对,提高了算法对仿射变化的鲁棒性。     

一种基于广义互信息的图像配准算法

互信息作为图像配准中的相关度矩阵有着广泛的应用,通常采用的是基于Shannon熵的互信息。采用一个广义的信息熵——Renyi熵,提出了一种基于广义互信息的图像配准方法。在全局搜索阶段,采用q取较小值的Renyi熵,此时,Renyi熵可以消除局部极值,再通过局部优化方法对当前的局部最优解进行局部寻优,以找到全局最优解;在局部优化阶段,使用基于q→1时的Renyi熵的归一化互信息测度作为目标函数。实验结果表明:相对于归一化互信息图像配准算法,基于Renyi熵的互信息配准算法有良好的配准效果,且提高了配准速度。     

一种快速稳健的图像配准算法

本文对图像配准问题进行了研究,提出了一种快速、稳健的基于特征点匹配的配准算法。采用小波变换建立图像金字塔,从分辨率最低的图像层开始进行特征点匹配,在次一层匹配时以上层匹配结果为粗值,在原始图像上得到初始匹配点后采用RANSAC算法稳健估计变换矩阵H;为了提高配准算法的精度,采用变换矩阵H引导两幅原始图像上的所有特征点重新进行匹配,对得到的匹配点集重新用RANSAC算法估计变换矩阵,并采用LM非线性优化算法进一步优化。通过实验分析对比,本文的算法比原算法速度更快,更稳健。