基于改进SURF算法的人脸点云配准

精准的三维人脸重建是三维人脸识别、三维人脸表情仿真等技术实现的重要前提。基于以往图像特征点和点云数据的三维配准算法研究,提出了一种计算量小、实时性较高的人脸配准算法。提取人脸图像特征点,计算64维的SURF描述符;利用RANSAC算法剔除不稳定匹配点;利用奇异值分解SVD求解粗配准变换矩阵;利用改进的最近点迭代算法求解最终变换矩阵。实验结果显示配准误差只有8.71895×10~(-5)m~2,总耗时为6.61s,相比较SIFT算法和手动寻找匹配点,速度快、精度高。     

基于仿射变换与Levenberg-Marquardt算法的织物图像配准

针对多光谱成像系统采集的织物图像的颜色色差分析问题,提出了一种基于仿射变换与LevenbergMarquardt(LM)算法的图像配准方法。从配准角度出发,利用提出的配准方法将标样图像与打样图像配准后进行空间色差分析。多光谱系统采集的织物图像的形变,包括平移、旋转、缩放和错切变换,符合典型仿射变换模型。提出一种新的方法来估计仿射变换矩阵,该方法对两幅图像的对数极坐标幅度谱积分曲线进行匹配,将仿射变换矩阵求解转化为一个非线性最小二乘拟合问题,进而利用LM算法搜寻最优参数值,同时引入分块配准以得到更好的配准效果。实验结果表明,与传统基于Fourier-Mellin配准算法和基于尺度不变特征变换的特征点配准算法相比,提出的算法可获得更好的配准效果,可有效解决具有周期性元素的织物图像配准问题,有助于织物图像色差评估。     

基于似然函数最速下降的红外与可见光图像配准

为了实现红外与可见光图像的自动配准,提出了基于似然函数最速下降迭代的图像配准算法.该算法以图像边缘作为配准点特征,将异源图像配准转化为边缘点集配准.基于点集的高斯混合模型建立了边缘点集配准似然函数,以该函数作为目标函数,仿射变换参量作为优化变量,利用最速下降方法进行最优变换参量求解,从而实现边缘点集配准.同时,将多分辨...     

基于似然函数最速下降的红外与可见光图像配准

为了实现红外与可见光图像的自动配准,提出了基于似然函数最速下降迭代的图像配准算法.该算法以图像边缘作为配准点特征,将异源图像配准转化为边缘点集配准.基于点集的高斯混合模型建立了边缘点集配准似然函数,以该函数作为目标函数,仿射变换参量作为优化变量,利用最速下降方法进行最优变换参量求解,从而实现边缘点集配准.同时,将多分辨率金字塔引入迭代配准框架下,实现了高分辨率图像配准的加速.实验结果表明:该算法精度高,运算速度快,可以很好地完成可见光与红外图像的自动配准.     

基于联合仿射不变弧长的目标轮廓起始点配准

提出了一种仿射不变的快速目标轮廓起始点配准算法,为实现快速目标识别开辟了新的思路.该算法利用基于轮廓曲率和轮廓包围面积的两种仿射不变弧长引出特征描述函数,通过其极值点的幅值和相对位置关系引出幅值误差和相对位置误差并结合二者构造出评价函数.通过循环比对和位置临近对应原则找到使评价函数最小的目标轮廓位置点即为配准的起始点.大量实验结果表明该算法具有高起始点配准率、高抗噪能力和低时间复杂度.     

基于联合仿射不变弧长的目标轮廓起始点配准

提出了一种仿射不变的快速目标轮廓起始点配准算法,为实现快速目标识别开辟了新的思路.该算法利用基于轮廓曲率和轮廓包围面积的两种仿射不变弧长引出特征描述函数,通过其极值点的幅值和相对位置关系引出幅值误差和相对位置误差并结合二者构造出评价函数.通过循环比对和位置临近对应原则找到使评价函数最小的目标轮廓位置点即为配准的起始点.大量实验结果表明该算法具有高起始点配准率、高抗噪能力和低时间复杂度.     

基于分层优化策略的颅骨点云配准算法

颅骨配准是颅面复原过程中的重要步骤之一,颅骨配准的精度直接影响着颅面复原结果的好坏。为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于分层优化策略的颅骨点云配准算法,将配准过程分为粗配准和细配准两个过程,分别采用不同的优化策略进行优化。首先基于点的邻域提取几何特征,从而得到由平均曲率、高斯曲率、法向量夹角和主曲率构成的特征向量;进一步通过距离函数计算特征相似性来建立匹配点对,并采用k-means算法剔除误匹配点对;然后使用四元数法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入k-维(k-d)树和加入几何特征约束对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的精确配准。实验结果表明:粗配准过程采用k-means算法剔除误匹配点对的优化策略和细配准过程加入k-d树与几何特征约束的优化策略都是有效的。与ICP算法相比,本文算法的匹配率和配准精度分别提高了约17%和51%,算法耗时减少了约31%。与其他经典配准算法和改进的ICP算法相比,本文算法的配准效率是最优的。为了验证本文算法的普适性,还采用兵马俑碎片数据进行验证,本文算法也取得了较好的效果和最优的性能。...     

基于T分布混合模型的多光谱人脸图像配准

为了降低多光谱人脸图像中出现的非刚性形变、噪声和离群点等因素对配准结果的准确性和稳健性的影响,提出一种综合考虑特征点的空间几何结构和局部形状特征两方面信息的多光谱人脸图像配准方法。所提方法首先通过基于内部距离的形状上下文描述子来表述点集的局部特征信息,建立可见光和红外图像相似性测度函数。然后利用Student′s-T分布混合模型来表示图像特征点集配准过程中变换模型估计问题,并采用期望最大化算法对模型进行求解。仿真数据表明在点集存在非刚性形变、噪声和离群点的情况下,所提方法仍可以实现点集间的精确配准。可见光和红外人脸真实图像数据表明所提方法的平均匹配误差和运算效率都优于对比算法,配准融合后的多光谱人脸图像可以提高后续的人脸检测和识别性能。     

基于曲率图的颅骨点云配准方法

为了提高颅骨点云模型的配准精度和收敛速度,提出一种基于曲率图的颅骨点云配准方法。首先对颅骨点云提取以特征点为中心并且包含其相邻点的三维形状块,将所有点投影到二维平面上;将投影点量化到二维支撑区域的相应单元中,并将其加权曲率编码为曲率分布图来构造特征点的区域曲率图描述符;然后基于区域曲率图描述符匹配具有相似局部形状的点来建立匹配点对,采用奇异值分解方法计算颅骨点云间的刚体变换关系,实现颅骨粗配准;最后通过引入动态迭代系数对迭代最近点(ICP)算法进行改进,使用改进的ICP算法实现颅骨的细配准。实验结果表明,所提粗配准方法是一种有效的初始配准方法。与ICP算法相比,改进的ICP算法在配准精度和收敛速度上分别提高了约11%和37%,配准耗时降低了约34%。为了验证所提方法的普适性,还采用兔子点云模型进行验证,结果显示改进的ICP算法的配准效果优于ICP算法。     

AKAZE结合自适应局部仿射匹配的视差图像特征匹配算法

针对常用的图像特征匹配算法对具有视差的图像在图像特征匹配阶段会产生大量误匹配点的问题,提出了一种AKAZE（accelerated-KAZE）算法结合自适应局部仿射匹配的特征匹配算法。首先,采用AKAZE算法提取特征点;接着,采用二进制描述符M-LDB(modified-local difference binary)进行描述并进行暴力匹配产生粗匹配点对;最后,基于图像的仿射变换可以提供较强的几何约束这一特性,采用自适应局部仿射匹配完成精匹配。实验结果表明,该算法针对具有旋转变化、尺度变化、视角变化的图像匹配,具有提取特征点均匀、匹配准确等效果,提取的正确特征点数量分别平均相对于SIFT算法提升了1.66倍、SURF算法提升了1.08倍、ORB算法提升了6.92倍、GMS算法提升了1.23倍,能够满足具有较大视差图像匹配的需求。     

基于角点的红外与可见光图像自动配准方法

针对红外图像与可见光图像的自动配准问题,提出了一种基于图像角点特征以及仿射变换模型的方法.利用Harris因子分别在红外图像和可见光图像上检测角点,并对两幅图像进行边缘检测,得到其边缘图像.通过角点邻域在边缘图像上的相关性,实现角点的粗匹配;通过角点的细匹配,从匹配的角点中选择两对匹配最佳的点作为仿射变换的控制点,得到仿射变换模型,并对待配准图像进行仿射变换,从而实现图像配准.实验结果表明:该方法运算速度快,可以很好地完成红外与可见光图像的自动配准.     

Delaunay三角剖分和仿射约束的特征相同多物体同名点立体匹配

针对野外大视场、远距离、随机出现的特征相同多物体定位的实际需求,构建了基于双目立体视觉原理的三维坐标测量系统。为了高精度定位随机出现的特征相同多物体,需要正确匹配多物体同名点,因而提出了一种基于Delaunay三角剖分和仿射约束的立体匹配方法。利用具有抗仿射变换的仿射尺度不变特征变换(ASIFT)算法获得左右背景图像匹配点;通过Delaunay三角剖分算法对抽样后的匹配点生成三角网格,对左右图像每一对匹配三角形区域计算仿射矩阵;根据多物体同名点在不同匹配三角形内的分布,利用仿射约束实现对多物体同名点的匹配。实验结果表明,提出的方法对特征相同多物体同名点实现了快速高精度的匹配,多物体同名点提取以及实时匹配时间约为30ms,满足相机25frame/s的实时处理要求,较好地解决了超大三维空间中弧形坡面上随机出现的特征相同多物体同名点的匹配问题。     

带方差补偿的多向仿射变换点云配准算法

结合点云统计学特性和形状特征,提出了带方差补偿的多向仿射变换点云配准算法,将求解放缩因子问题转化为求解带方差的超定非线性方程组,并通过二次曲面拟合对噪声方差进行最小二乘无偏估计。引入点云全局向量特征相似度,以相似度最大化求真解。将多向仿射变换点云配准转化为刚性配准,并利用主方向法配准点云。仿真结果表明,针对点云随机丢失和带噪声的点云配准情况,所提算法比现有配准算法的配准精度更高,并且配准耗时更短。     

基于心脏电影磁共振图像的一种新的右心室多图谱分割方法

基于心脏电影磁共振图像的右心室(RV)分割,对心脏疾病的诊疗及预后有着十分重要的意义.右心室结构复杂,传统图像分割方法始终未能达到较高的精度.多图谱方法通过配准和融合来实现RV分割,是近几年RV分割中的主要方法之一.本文提出一种新的右心室多图谱分割方法,能够实现RV的全自动准分割.本文首先采用自适应仿射传播算法获取一系列图谱集,并基于豪斯多夫距离和归一化互信息选择与目标图像最相似的图谱集;然后,依次采用多分辨率的仿射变换和Diffeomorphic demons算法将目标图像配准到最相似图谱集,并将配准得到的形变场应用于标记图像获得粗分割结果;最后,本文采用COLLATE算法融合粗分割结果得到RV轮廓.30例心脏电影磁共振数据被用于回顾性分析.本文算法与放射专家手工分割的RV相比,Dice指标和豪斯多夫距离的平均值分别为0.84,11.46 mm;舒张末期容积,收缩末期容积,射血分数的相关系数和偏差均值分别是0.94,0.90,0.86;2.5113,–3.4783,0.0341.与卷积神经网络相比,本文算法在收缩末期的分割精度更接近手动分割结果.实验结果表明,该方法从有效的图谱选择和基于多分辨率的Diffeomorphic demons算法的多级配准提高了右心室分割的精度,有望应用于临床辅助诊断.     

基于Fourier-Mellin变换的气象卫星光谱图像配准

气象卫星光谱图像是气象科学和环境遥感科学研究的重要工具,而图像配准是气象卫星图像数据应用的前提。文章针对气象卫星光谱图像的配准问题,提出了一种基于Fourier-Mellin变换的自动配准方法。首先利用全球海岸线矢量图数据构造地标模板,地标模板是气象卫星光谱图像配准的参考图像;其次,根据云通道数据选择无云区域红外子图像,并利用Sobel算子对红外光谱图像提取边缘特征;最后利用Fourier-Mellin变换确定地标模板图像和红外边缘图像之间的仿射变换参数,从而实现红外光谱图像的配准。该方法本质是基于曲线匹配的思想,无需特征点提取,大大简化了配准流程。利用FY-2D气象卫星上获取的红外通道数据进行了实验,结果表明：该方法鲁棒性好,运算速度快,配准精度较高。     

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换（SIFT）特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。     

改进的基于主成分分析的三维人脸形状建模

针对基于主成分分析(PCA)的三维(3D)人脸形状重构不精确的缺点,对位移向量、缩放因子、旋转矩阵、重构系数等参数进行了精确的定义和计算,并对重构模型进行了有效的调整。根据CVL Face Database建立了113个3D人脸形状模型,经迭代运算后重构出了由特征点组成的稀疏3D人脸形状模型。利用径向基函数(RBF)得到了密集3D人脸形状模型。试验结果表明,算法可以得到精确的重构模型,对深度旋转的人脸图像和特征点定位误差也有很好的鲁棒性。     

一种基于三维形状上下文特征的点云配准算法

针对点云配准过程中点云数据量大、配准时间长、配准精度低的问题,提出了一种基于内部形态描述子（intrinsic shape signatures, ISS）和三维形状上下文描述子（3D shape context, 3DSC）的点云配准算法。该方法首先使用体素网格滤波器对点云进行下采样,接着利用ISS算法提取特征点,并通过3DSC进行描述,然后通过改进的随机采样一致性（randon sample consensus, RANSAC）算法进行粗匹配,最后用改进的迭代最近点算法（iterative closest point, ICP)对点云进行精匹配。试验结果表明,与基于ISS+3DSC的三维正态分布变换(normal distribution transformation, NDT)算法和基于采样一致性初始配准（sample consensus initial aligment, SAC-IA）的ICP算法相比,本文算法的配准精度及效率更高,且对于数据量大的点云也有较好的匹配效果。     

基于邻域特征点提取和匹配的点云配准

为解决噪声干扰、数据丢失情况下迭代最近点算法的鲁棒性差、配准精度低等问题,提出一种基于邻域特征点提取和匹配的点云配准方法.首先定义一个由点的k邻域曲率、点与邻近点的法向量内积均值以及邻近点与邻域拟合平面的欧氏距离方差等三部分组成的邻域特征参数,结合在移动最小二乘表面构造的曲率特征参数对点云进行两次特征点提取;其次依据直方图特征定义三个匹配条件,并用双重约束获得正确的匹配点对;最后在配准阶段,采用双向构建k维树的迭代最近点算法实现精确配准.实验结果表明,该算法的配准精度较迭代最近点算法提高了90%以上,并且能够在噪声环境下有效地完成缺失点云的配准,在鲁棒性和精确配准方面有明显优势.     

基于SIFT特征的彩色图像拼接方法研究

针对传统特征提取拼接算法在复杂图像中配准过程中出现的过多误匹配,导致拼接后图像出现鬼影、模糊等问题,从而影响拼接图像的质量,提出一种改进的SIFT配准算法。在对目标图像提取SIFT特征后,利用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,之后利用局部均方根误差(RMSE)评价映射矩阵与RANSAC算法相结合,迭代出精确变换模型。在对图像进行几何矫正后,提出一种自适应的混合线性算法对重合区域图像变换至HIS颜色空间进行图像拼接,最后得到平滑无缝的完整彩色全景拼接图像。实验结果证明,该算法在拼接复杂场景并且重合区域不多时仍有较好的准确性及稳定性。