基于位相相关检测的图像配准算法

分析了传统的傅里叶-梅林变换和最近提出的虚拟极坐标傅里叶变换算法在户外图像注册中的局限性,提出了一种更加适合户外摄像机姿态注册的基于对数傅里叶变换的图像配准算法。该算法能够独立地计算沿两坐标轴方向的不同缩放因子和计算两图像间较大的旋转角度,扩展了基于傅里叶变换的图片配准算法的实际应用范围。在关键技术研究方面,提出了由升余弦函数构成的低通滤波器和一种快速收敛的角度搜索技术,使该算法达到了很高的效率和鲁棒性。     

舰船小目标图像配准算法

当舰船目标距离红外/可见光复合导引头较远的时候,红外与可见光图像中的目标信息微弱,可供提取的特征较少且差异较大,传统的图像配准算法很难适用.针对该问题,本文提出一种基于传感器参量的图像配准算法,首先根据红外与可见光传感器的成像模型将图像配准分解简化为视场配准与平移配准两个相对分离的步骤;然后利用传感器参量进行图像的视场配准;最后基于海天线和水平高通能量分布确定匹配点完成平移配准.仿真实验结果表明,该算法具有较高的配准准确度,可以应用于实际远距离海上舰船的红外和可见光图像配准.     

基于特征点的对数极坐标变换图像配准算法

介绍了一种新的图像配准算法,可以很好地解决图像配准中的平移、旋转和缩放问题。算法的实现是首先使用SUSAN算子提取两幅图像的特征角点,剔除虚假的特征点(噪声点),然后使用改进对数极坐标变换和投影相关匹配算法实现特征点匹配;结合亚像素定位技术,可以进一步提高算法的精度。     

基于多约束准则匹配算法的序列图像配准

为了准确、快速地对动态视频序列中的图像进行配准,提出了一种新的基于特征点匹配确定两幅图像间变换关系的方法。首先,根据多约束准则(MR),通过局部信息熵、相似性测度和距离比例不变准则三个约束条件,准确地找到两个点集中的三对匹配点。然后,利用这些点对采用矩阵求解最小二乘法估算两幅图像的仿射变换参数。与相关匹配法相比,MR算法避免了由于图像中运动物体的干扰而产生的伪匹配点对。对于384 pixel×256 pixel的图像,MR算法完成特征点匹配只需2.76 ms,比相关法减少了58%的运算时间。仿射参数在X,Y方向上的估计误差也减小为Δx=0.13,Δy=0.02,远小于1 pixel。基本满足目标检测技术在工程上的速度快、精度高、抗干扰能力强等要求。     

基于小波变换和混合遗传算法的医学图像配准

为了解决灰度图像配准中由于目标函数容易陷入局部极值而造成的误匹配问题,使参数随图像的NMI计算和多分辨率级数进行自适应调整,采用基于小波变换多分辨率策略,形成多尺度匹配模型,并将粒子群算法(PSO)作为添加算子,提出了以图像归一化互信息(NMI)作为相似性测度的混合遗传算法,对CT与MRI图像进行了配准。实验结果表明,该方法能够解决遗传算法早熟收敛问题,有效地克服信息函数的局部极值,实现图像的自动配准,具有匹配精确、鲁棒性好及效率高等优点。     

一种基于Canny边缘的红外与可见光图像配准算法

针对异源传感器在图像配准时如何精确地找到相应的匹配特征问题,结合红外图像与可见光图像的特征,利用2种传感器对同一场景成像时具有一定的边缘轮廓相似特性,提出了提取图像的Canny边缘,在边缘轮廓上根据边缘曲线上像素点的位置夹角的相似性寻找对应匹配点,通过仿真和实验数据与真实值的比较验证算法的有效性和配准的精度.     

基于压缩感知与尺度不变特征变换的图像配准算法

尺度不变特征变换(SIFT)算法是图像配准中一种用来描述局部特征最稳健,使用最广泛的方法。针对存在关键点特征描述向量维数较高,算法计算复杂的问题,提出了一种基于稀疏随机投影(SRP)与SIFT相结合的图像配准算法,该算法把压缩感知理论的稀疏特征表示概念引入SIFT算法中,即SRP-SIFT,用稀疏特征表示方法对SIFT关键点特征向量进行提取,再使用相应的L1距离度量进行特征向量的匹配。对新算法和相关SIFT算法进行了图像配准实验,实验结果表明,SRP-SIFT算法对包含复杂结构内容的图像配准性能优于传统SIFT算法,配准效率与几种改进的SIFT算法相当,但运算速度比传统SIFT算法和几种改进的SIFT算法有明显提高。     

改进的SURF彩色遥感图像配准算法

为了进一步提高彩色遥感图像的配准精度,针对遥感图像配准过程中色彩信息利用率低以及误匹配率高的问题,提出一种改进的SURF(Speeded Up Robust Feature)彩色遥感图像配准算法。该算法首先在对彩色遥感图像进行特征点检测基础上,对特征点描述算子进行改进,以使颜色空间变换后得到的特征点色彩信息添加到原描述算子中,并对特征点描述算子进行归一化处理,以增加算子的独特性和对旋转、尺度、光照的鲁棒性;其次,结合单向匹配和双向匹配的比值,提出了一种最优化阈值选择准则,如果欧氏距离比率小于最优化阈值,完成特征点匹配,得到正确匹配点对,再通过变换矩阵得到配准图像。实验结果表明,在保证实时性的条件下,该算法相比于原SURF算法,准确性和稳定性都有一定提高,具有一定的理论和应用价值。     

基于小波变换的视差图像全局几何配准新算法

为了解决视差图像的快速、鲁棒配准问题,提出了一种基于小波近似图像和垂直细节图像由粗到精的加权全局配准策略.首先利用小波变换的多分辨率特性,对图像进行小波变换生成一个基于灰度的金字塔,从金字塔顶层到底层对每一层的近似分量进行由粗到精的配准.为了进一步提高配准可靠性,在金字塔次底层分别对近似图像和垂直细节图像进行加权相关配准,得到稳定的最优配准.     

结合Harris与SIFT算子的图像快速配准算法

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。     

基于AM测度及混合优化算法的图像配准方法

介绍了一种基于边缘特征的图像配准方法。首先利用Canny算子提取图像的边缘;然后以AM测度作为配准准则,在优化AM峰值和配准参数的时候,先用遗传算法将配准参数收敛到最优值附近,再使用Powell法进行局部搜索;最后对待配准图像进行刚体变换及双线性插值,从而实现图像配准。实验结果表明,此优化方法不仅提高了计算速度,而且提高了配准精度,配准结果达到了亚像素级水平。     

基于文化狼群算法的电力设备红外和可见光图像配准

可见光和红外图像是电力巡检机器人检测电力设备健康状态的重要方式,图像配准可以结合两类图像的优势,为后续状态监测提供更好的依据。针对红外图像模糊导致的配准精度下降问题,提出了一种基于显著性梯度的归一化互信息算法。首先,在红外图像视觉显著性检测的基础上,强化了显著性区域的边缘梯度信息;然后,将显著性梯度信息和归一化互信息相结合作为配准的测度函数;其次,为了提高图像配准算法的收敛性,提出了一种文化狼群算法。该算法将文化算法的分层进化特点引入狼群算法,建立信念空间和群体空间。在迭代过程中,通过信念空间的知识指导群体空间的进化。最后,选取变电站巡检图像、标准配准测试图像集和标准测试函数进行对比实验,结果表明,该算法在配准率和配准速度方面的性能较好。     

基于最大互信息的医学图像配准

研究了互信息配准原理及其计算方法,然后用互信息作为图像配准的判据对实际医学图像进行了配准实验,取得了满意的结果。     

基于图像配准的激光散斑成像技术

激光散斑成像技术可以有效地监测血液流动,然而在活体实验当中由于动物的呼吸和心跳等因素,导致拍摄到的散斑图像产生晃动。针对上述问题,本文提出了一种图像配准算法,可以有效地消除图像抖动,不仅提高了细小血管的分辨能力,并且使图像信噪比提高了10%。此外,由于原有的算法运算太耗时,本文在对算法进行分析的基础上编写并行计算程序使运算速度提高了26倍,可以满足临床实时监测需求。     

一种基于相位相关的亚像素红外图像配准算法

图像匹配技术广泛应用于各种图像处理任务,如图像拼接、机器视觉等。通常匹配算法的精确度只能达到像素级别,但在很多图像处理任务如超分辨率重建中需要亚像素精度的图像配准。提出了一种基于相位相关的亚像素图像配准算法。根据两幅离散数字图像的相位相关矩阵中的最大值以及其附近若干点可以拟合估计出实际的峰值位置,进而实现两幅图像的亚像素运动估计。提出的算法针对热像仪采集的红外图像进行匹配实验,实验结果表明该算法精度相比通常的亚像素匹配算法较高,且具有更好的实用性。     

基于最优Atlas多模态图像的非刚性配准分割算法

提出了一种基于最优Atlas图像搜索和局部加权B样条变换的全自动非刚性分层配准分割感兴趣区域(ROI)方法。实验结果表明,所提算法配准的ROI准确度达到95.6%,归一化互信息值为1.8432,均方根误差为1.12%,相关系数提高了18.33%。相比其他配准方法,所提方案的配准精度及准确度明显提升,对临床辅助诊断有重要意义。     

基于特征点匹配的图像配准算法精度提升方法研究

图像配准是多种图像后续处理的基础,较为常见的有图像融合,图像拼接、图像的三维重建等,这些后续操作都需要在一个好的配准前提下才能完成,因此,对于图像配准精度改进的研究具有很重要的实际应用价值。对基于特征点匹配的图像配准算法提出了几个配准精度提升的方法,这些方法分别针对特征检测精度的提升和特征匹配精度的提升来达到图像配准精度提升的目的。     

改进SIFT变换与客观评价结合的图像配准算法

针对SIFT(Scale Invariant Feature Transform)算子在大幅复杂图像中提取的过多不稳定特征点及在只有少量重合区域下图像配准过程中出现的过多误匹配,导致图像配准精度下降。提出一种改进的SIFT算法,在对目标图像提取SIFT特征后,利用双向BBF(Best-Bin-First)匹配算法对提取的特征点进行匹配,采用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,通过随机抽取一致性算法(RANSAC)进一步筛选匹配点,并利用最小二乘法结合多项式近似拟合出变换模型,利用局部均方根有效值(RMS)评价映射矩阵与实际图像的误差,找出并删除引起误差的误匹配点,迭代至配准图像符合评价标准后,计算出精确变换模型。实验结果表明,该算法提高了大幅复杂图像在少量重合区域时的配准精度。     

基于旋转SURF算子的图像配准新方法

针对SURF算法中快速Hessian矩阵行列式检测出的特征点的不连续现象,从而造成的旋转,模糊和光照变化适应性较差的不足,提出一种旋转SURF检测算子的图像配准新方法。该算法通过将SURF算法的积分图像盒子滤波模板逆时针旋转45度,引入一种可以检测角度旋转的滤波核提升检测算子对不同图像变换的匹配性能,保证新的检测算子与原算法较好的结合,同时利用改进的单纯形算法依据输入图像进行参数优化。仿真结果表明,该方法不仅保留了算法的速度优势,缩短了配准时间,而且在图像模糊变换,光照变换和JPEG压缩变换方面性能有明显的提升,此外对视角变换以及小尺度变换性能也有提高。     

基于均值距离测度的医学图像配准

针对互信息测度在配准医学图像时易陷入局部极值、速度慢的缺点,提出了基于均值不等式的均值距离测度.首先根据均值不等式推导出5种均值距离测度：方根-算术均值距离(SAM)、方根-几何均值距离(SGM)、方根-调和均值距离(SHM)、算术-几何均值距离(AGM)、算术-调和均值距离(AHM).然后通过人体脑部CT/MR和MR-T1/PD图像的刚体配准实验,从函数曲线、配准精度、计算时间和收敛性能方面,对互信息与5种均值距离信息测度进行了比较与分析.实验结果表明,在不损失配准精度的前提下,AHM和SAM测度可以获得更快的配准速度,对噪声有很强的鲁棒性.