基于区域生长的多源遥感图像配准

多源遥感图像由于成像设备、所用光谱、拍摄时间等因素的不同,给配准带来极大的困难.尽管已经提出了多种匹配方法,但已有方法一般只能适用于特定的应用环境,开发出更加稳定和适用的配准算法仍然是一个极具挑战性的研究课题.提出一种基于区域生长的配准方法,首先,提取改进后的尺度不变特征,通过全局匹配确定种子点和种子区域并完成变换模型的初始化;然后,运用迭代区域生长和双向匹配策略,得到整个图像的可靠匹配点,从而实现多源遥感图像之间的配准.实验表明,该方法提取的匹配点的数量和正确率均远高于已有方法,能够对存在严重灰度差异的多源遥感图像实现高精度的配准,充分证明了该方法的鲁棒性和适用性.     

水下拖曳体多源信息监控系统设计与实现

基于海洋电法探测系统中水下拖曳体对多源信息实时监控的需求,设计了一种准实时监测拖曳体的运动状态与环境信息的监控系统。该系统可与水面监控器保持命令与数据沟通,并在监控器的指令下启动水下电法仪执行参数设置、数据采集等操作。经系统样机的海上测试结果表明,系统性能稳定可靠,能够在其他水下信息采集作业中得到推广应用。     

基于高斯混合模型的有约束彩色医学图像群配准技术

为利用多幅彩色图像中的丰富信息,提高配准精度和效果,把基于高斯混合模型的灰度图像群配准技术推广为彩色图像群配准技术。为了减少同一彩色图像不同彩色分量之间的形变偏差,定义了彩色分量形变约束项。总彩色图像配准测度是两个函数的代数和构造:彩色分量形变约束项和基于概率分布的对数似然函数。通过对人体胃部彩色图像和数据可视人彩色切片图像的群配准实验,证实了有约束彩色图像群配准技术具有很好的配准结果。     

基于Contourlet域KPCA-Krawtchouk矩的印章图像配准

提出了一种基于Contourlet域KPCA-Krawtchouk矩的印章图像配准算法。首先对印章图像进行Contourlet分解并提取低频分量,然后利用KPCA提取低频分量的主成分,并计算其Krawtchouk矩不变量,构成描述关键点的特征向量,最后计算关键点特征向量之间的欧氏距离找出相匹配的关键点对。采用Logistic映射混沌粒子群算法寻找最优阈值,大大加快了算法运行速度。实验结果表明,该算法不仅配准结果精确,且运行时间明显减少。     

基于改进SURF算法的无人机遥感图像配准

针对无人机遥感图像畸变较大,而传统快速鲁棒(Speeded-Up Robust Features,SURF)算法不能提供足量兴趣点的问题,提出了一种基于Harris角点和SURF算法的无人机遥感图像配准方法。首先构建多尺度空间,并在多尺度空间下检测Harris角点作为兴趣点;然后计算各兴趣点的64维SURF描述子;最后运用K-d树匹配搜索策略得到两幅图像的匹配点对。将该方法与传统SURF配准方法进行实验对比,实验表明改进算法在保证实时性的情况下可以获得更多的匹配点对,并具有更高的配准精度。     

半参数广义线性模型惩罚似然估计的几个性质

本文在给出了半参数广义线性模型惩罚似然估计及惩罚准似然估计的基础上,得到了下面几个性质:(Ⅰ)极小惩罚似然估计及惩罚准似然估计等价于惩罚加权最小二乘估计;(Ⅱ)估计的收敛性及加速收敛法;(Ⅲ)估计的一种 Bayes 解释。     

再一次翻转视界 ThinkPad S3 Yoga超极本

正联想Yoga家族不仅限于Lenovo品牌,Think Pad家族中的S3 Yoga系列同样继承了翻转视界的能力,并赋予"呼吸式"键盘,可为用户带来更尽兴的操作体验。S3 Yoga最大的魅力就是源于可360度翻转的屏幕,站立、帐篷、平板和笔记本四大模式可胜任更多使用场景,而其21mm的厚度与1.9kg的重量,更是符合超极本特有的便携属性,哪怕是长途外出时也不会浪费你太多的体力。与Lenovo品牌的Yoga系列不同,S3     

基于Kinect的旋转刚体三维重建方法

针对在非匀速非定轴旋转条件下利用Kinect进行刚体三维重建问题,提出一种改进的基于Kinect传感器的旋转刚体三维重建方法。首先利用Kinect采集深度图像,然后用改进的加权ICP(Iterative Closest Point)算法在非匀速非定轴旋转条件下进行配准,再将各点云变换到同一坐标系下,最后根据所得点云生成三维模型表面,通过GPU(Graphic Processing Unit)编程技术来提高计算速度以满足实际需求。实验结果表明:该方法具有重建效果良好的特点。     

基于机器学习的肺部CT图像非刚性配准误差预测方法

配准误差评估通常由人工完成,耗时费力;常用的Dice测度只关注组织边缘的配准误差,难以评估组织内部配准结果。针对以上问题,提出一种基于机器学习的肺部CT图像非刚性配准误差预测方法(PREML)。该方法首先构建形变场统计特征、形变场物理保真度特征和图像相似性特征三类特征,然后通过池化方法扩充特征数量,最后使用随机森林回归方法预测非刚性配准误差,并且使用自适应随机扰动方法模拟肺部配准误差空间分布,进一步提升形变场统计特征的配准误差表征能力。在三个肺部CT图像数据集上进行训练与测试,其配准误差预测结果与金标准之间的平均绝对差异为1.245±2.500 mm,预测性能优于基线方法。结果表明,PREML方法具有预测精度高、鲁棒性强的特点,可提升配准算法在临床应用的有效性和安全性。     

基于谱对称的形状配准方法

针对现有三维形状配准方法中存在左右翻转的错误匹配问题,提出了基于内蕴对称特征检测的高效形状配准算法。首先,通过热核与几何约束构建模型的内蕴自对称点对;其次,基于谱嵌入特征空间分析提取模型的内蕴对称平面,并依据模型表面法向量有效识别模型的左右结构属性;然后,根据内蕴对称点对获得模型的一致性谱对称结构描述;最后,引入一致性点漂移算法(CPD),实现基于谱对称的非刚性模型的形状配准,有效避免了模型配准中的左右结构翻转问题。实验进一步论证了这种方法不仅有效提高了模型匹配的效率,而且能有效识别同类模型的结构特征,对于非刚性模型的配准具有较强的鲁棒性。