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。     

同步辐射纳米CT图像配准方法研究

基于同步辐射的X射线纳米成像技术是无损研究物质内部纳米尺度结构的强大工具,本文总结了图像配准技术在纳米CT成像领域的研究和应用,并根据发展阶段进行分类分析.首先,通过统计近年以来图像配准文献的发表情况,分析并预测纳米尺度图像配准的未来研究方向.其次,基于图像经典配准算法理论,详细介绍了图像配准算法在纳米成像领域最有效的前沿应用.最后,介绍了基于深度学习的图像配准方法的前沿研究,并讨论深度学习在纳米分辨图像配准领域的适用性及发展潜能,根据纳米尺度图像数据的特点及各种深度学习网络模型的特性,展望了同步辐射纳米尺度图像配准技术的未来研究方向及挑战.     

基于混合Powell法的太赫兹/可见光双波段图像配准

提出一种改进Powell法结合遗传算法的混合算法,配准人体安检仪的太赫兹与可见光双波段图像。针对被动式太赫兹图像特征点难以提取的问题,以互信息为相似性测度,通过遗传算法寻优获取7个仿射变换参数的近似解并将其设置为改进Powell算法的初始点,然后利用改进Powell法的局部搜索能力,得到7个变换参数的精确解。利用单一遗传算法、单一Powell算法和本文混合算法分别对两组太赫兹和可见光图像进行配准。以均方根误差为评价标准对配准结果进行评价。实验结果证明,相比于单一遗传算法和Powell算法,该方法达到了更高的配准精度。能进一步用于太赫兹与可见光双波段图像融合,以提高对衣物内藏匿物品的识别精度,增强太赫兹人体安检仪的实用性。     

扫频光学相干层析视网膜图像配准去噪算法

多帧叠加平均处理是去除扫频光学相干层析系统散斑噪声、获得较为清晰结构信息的有效方法,但眼睛的震颤、漂移、微眼跳等生理特性和系统光路特性会使图像之间存在错位,导致叠加效果不佳、结构稳定性差,为此本文提出一种基于灰度分布信息和目标几何信息相结合的配准算法。该方法根据图像平均灰度分布提取包含目标信息的感兴趣区域,通过相位相关算法和基于分段拟合的灰度投影算法的双重作用校正图像的平移变换;通过拟合视网膜上边界作为特征点迭代确定最佳旋转参数,并再次重新估计平移参数,实现图像的刚性配准;最后通过轴向扫描一对一映射法以能量函数为约束条件实现图像的非刚性配准。对活体兔眼进行实验,结果表明,本文算法配准后的叠加图像边界清晰,结构信息增强,信噪比和对比度平均有效提高一倍多。本算法适用于强噪声视网膜B-Scans图像的配准,能满足多种类型OCT系统的叠加成像需要,具有较高的鲁棒性和图像配准精度。     

基于尺度不变特征变换和区域互信息优化的多源遥感图像配准

为了进一步提高遥感图像配准精度, 提出了尺度不变特征变换(SIFT)结合区域互信息优化的遥感图像配准方法. 首先利用混沌序列的随机性和遍历性, 提出一种混沌量子粒子群优化(CQPSO)算法, 在量子粒子群优化(QPSO)算法迭代陷入早熟收敛时, 采用一种新的机理引入混沌序列, 进化粒子克服早熟. 图像配准算法分为预配准和精配准两个过程. 基于SIFT算法提取特征点, 经匹配和有效地外点排除完成预配准, 然后对匹配特征点坐标进行亚像素级微调, 通过最小二乘法求得一系列匹配参数构造初始粒子群, 最后利用混沌量子粒子群优化区域互信息完成精配准, 得到最优匹配参数. 用一些标准测试函数对所提出的CQPSO和QPSO及粒子群优化(PSO)算法进行了实验比较, 另外, 对SIFT, SIFT结合PSO算法优化区域互信息, SIFT结合QPSO算法优化区域互信息和SIFT结合CQPSO算法优化区域互信息(SRC)等四种算法进行了不同分辨率遥感图像配准实验比较和不同时相遥感图像配准实验比较, 实验结果验证了所提出的CQPSO算法的优越性和SRC配准方法的有效性.     

改进灰度世界颜色校正算法

讨论了灰度世界算法,提出了两种改进的灰度世界算法——基于标准差加权的算法和基于图像熵约束的算法,从而避免了当给定图像仅有少量几种颜色或大块单一颜色时的冥法失效问题.通过对算法颜色校正结果进行主观(视觉上)评价,并对算法性能通过使用色差数据进行了客观评价.实验结果表明:改进算法对实际采集的图像和下载的图像都有较好的校正效果.     

基于高斯函数假设的图像频谱恢复特性分析方法

为了对图像复原算法频谱恢复特性进行分析和评价,提出了一种基于高斯函数假设的分析新方法。该方法假设光学传递函数H和退化图像频谱函数G为高斯函数,采用方差以及提出的方差比作为频谱宽度指标,对图像复原算法的频谱恢复特性进行定量分析和评价。分析中对H和G曲线设定两组方差,分无噪声和有噪声两种情况,计算出约束最小平方滤波法(CLS)和最大似然法(PML)等图像复原算法复原的图像频谱曲线及其方差和方差比,采用计算结果对复原算法进行定量的分析和评价,获得良好的效果。分析指出,最大似然法的频谱外推能力和噪声抑制特性均明显好于约束最小平方滤波法。对两种算法的分析评价实验表明,高斯函数假设分析方法是一种简便有效的图像频谱恢复特性分析方法。     

一种改进的基于小波方向对比度的无缝拼接算法

为了提高图像无缝拼接效果,对现有平滑算法进行分析,在此基础上提出一种基于小波方向对比度的中缝平滑算法。该算法首先对源图像进行基于统计参数的预处理,使得图像整体亮度趋于一致,然后利用小波变换对图像进行多分辨率分解,对于分解后的图像提出采用一种基于改进的小波方向对比度的规则进行平滑处理。文中还通过几种图像客观评价标准对仿真结果进行了评价,结果表明：该方法在两图像灰度相差较大时也能够取得较好的平滑效果,对光照具有鲁棒性,并且平滑后的图像可以保留原始图像的细节信息,使得图像在保证清晰度的前提下达到无缝拼接。     

一种高光谱图像高精度配准波段选择方法

针对高光谱图像和高空间分辨率图像配准过程中,各波段之间差异较大难以选择高精度配准波段的问题,提出一种基于Cram′er-Rao下限(CRLB)理论的高光谱图像高精度匹配波段选择算法。利用波段选择的方法选出高光谱图像中若干信息量大、相关性小的波段;将其分别与高空间分辨率图像做配准,并计算配准结果相应的CRLB;根据CRLB选择高精度配准波段。通过比较配准后的CRLB和均方根误差,验证CRLB具有较好配准质量评价性能。通过CRLB与其他方法的选择波段配准结果比较可知,本文算法选择的波段配准精度较高。上述波段为高光谱图像和高空间分辨率图像的配准提供更好的数据。     

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.     

基于改进对比度的有限离散剪切波图像融合

为了提高多聚焦图像的融合精度,结合有限离散剪切波变换(FDST)良好的局部化特性及平移不变性,提出了一种基于有限离散剪切波变换与改进对比度相结合的图像融合新算法。对经过严格配准后的多聚焦图像进行FDST分解,得到低频子带系数和不同尺度不同方向的高频子带系数;对低频子带系数采用区域平均能量匹配度自适应融合算法,高频子带系数的选取则根据低频与高频系数关联得到的对比度进行融合;应用有限离散剪切波逆变换重构得到融合图像,并对融合结果进行主观视觉和客观评价。通过仿真实验,算法在主观视觉效果上有着明显的优越性。在不同融合算法比较的融合结果中,熵值、互信息量和边缘相似度分别平均提高了1.4%、34.6%和8.0%,各项客观评价指标优于其他算法。     

基于聚类分割和形态学的可见光与SAR图像配准

针对可见光与SAR图像灰度差异大,共有特征提取难的问题,提出了一种基于k-均值聚类分割和形态学处理的轮廓特征配准方法。利用k-均值聚类算法对两类图像进行分割,得到图像分割区域;通过形态学处理,有效减少SAR图像斑点噪声影响,准确提取两类图像的封闭轮廓;采用轮廓不变矩理论,引入矩变量距离均值、方差约束机制和一致性检查的匹配策略,获取最佳匹配对,实现了两类图像的配准。通过实验,三组图像的配准精度分别达到0.3450、0.2163和0.1810,结果表明该法可行且能达到亚像素的配准精度。     

用于光学系统分析的质心配准法

将图像区域像素的统计特征引入活动轮廓模型,提出使分割轮廓所包括区域的质心对应角均方根误差极小的最优搜索方法——质心配准法。质心配准法有效地避免了散斑噪声等图像污染对图像区域分割精度的影响,实现了模糊图像精确的区域分割,求得图像最佳配准参数。对实际光学系统输出的多幅具有较大空时互补性的低分辨率图像进行了仿真实验,实验结果表明：该配准算法具有较高的精度,并在光学系统分析上得到了很好的应用。     

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.     

基于非采样Contourlet变换高分辨率遥感图像配准

为了提高高分辨率遥感图像配准的精确度,将非采样Contourlet变换应用于高分辨率遥感图像配准算法中.首先对高分辨率遥感图像进行非采样Contourlet变换.利用非采样Contourlet变换的平移不变性在变换域提取图像的边缘并选择合适的阈值准确地得到图像的边缘特征点.然后利用归一化互相关匹配法和概率支撑法对特征点进行匹配.最后通过三角形局部变换映射甬数实现图像配准.实验结果表明,该方法更能准确地提取高分辨率遥感图像的特征点,大大提高了正确匹配的概率,与基于小波方法的图像配准效果相比有更高的准确性和稳健性.     

基于几何特征和图像特征的点云自适应拼接方法

多视点云拼接技术是物体三维测量过程中的重要环节。现有的无标志点三维点云自动拼接方法在对不同表面进行测量拼接时稳定性较差。针对此问题,提出了一种基于几何特征和图像特征的点云自适应拼接方法。该方法建立了一个配准算法选择模型,通过引入配准算法判断因子来综合评价物体表面的几何、纹理复杂程度,从而系统可根据判断因子自适应地选择合适的配准算法,实现基于几何特征配准和基于图像特征配准的有机结合。并在特征点匹配过程中,采用随机抽样一致(RANSAC)算法对误匹配特征点进行剔除。实验结果表明,该方法可实现不同表面的稳定点云拼接。     

基于小波变换的脑部医学Demons图像配准

非刚性配准是医学图像处理的一个重要研究方向。针对Demons衍生出的一系列经典的配准算法在医学图像应用上计算复杂、方向信息不足问题进行了研究。基于光流场模型的Demons算法依赖图像灰度梯度是图像发生变形,当缺乏梯度信息时,力不能确定,因而容易造成误差,并且该算法仅适合于单模态图像配准。为此本文提出了一种基于小波变换理论的频域Demons配准处理方法(B-Demons)。该方法利用小波变换能够对各个尺度、方向和位置实现较好定位的优势,通过高频、低频的图像变换反映出图像的特征信息。实验结果证明了算法的有效性和鲁棒性。     

基于配准的机载红外非均匀性校正技术应用

机载红外点目标探测系统在搭载飞机飞行中探测系统的环境参数会发生变化,导致通过传统地面标定方法获取的非均匀性校正参数的准确性有所降低,故有必要进行机上基于场景的非均匀性校正。本文提出了一种基于帧间配准的机上非均匀性校正算法,首先对图像进行预处理,滤除探测器坏点影响,然后用两帧邻近图像计算互功率谱,求出互相关函数,确定配准位移。两帧连续图像完成配准后,通过误差函数最小化来实现校正参数的更新,最后对整个图像序列进行上述迭代计算,获取最终校正参数。本文模拟了一组非均匀性场景图像序列作为实验图像序列,通过实验分析,提出了帧间图像变化(平移、旋转、缩放)对本算法校正效果的影响,然后采用两个具有代表性的算法与本文提出的算法分别对该图像序列进行处理,并从图像质量和收敛速度两方面比较算法性能。结果表明:与其他两种算法相比,本文提出的算法非均匀性校正效果较好,峰值信噪比提高了20 dB以上,结构相似性则突破了0.99。本文提出的算法虽然比较复杂,但校正参数收敛速度较快,易于在硬件平台上实现,具有一定的工程应用前景。     

一种空域和频域相结合的运动图像亚像素配准技术

针对视频图像运动检测问题,提出了一种结合空域灰度投影和频域相位相关的亚像素图像配准方法。首先,采用灰度投影算法在空域对运动图像进行粗配准,即在图像行和列方向上计算图像灰度投影特征数据,根据灰度相关函数最小化准则,估计像素级运动量;然后,在经过粗配准的两幅图像中心选取尺寸相同的区域,进行快速傅里叶变换,在频域采用扩展的相位相关算法对图像进行精确配准。该方法利用图像的功率谱信息,减少对图像内容的依赖,运用基于最小二乘的曲面拟合法,实现亚像素图像配准参数估计,具有从粗到精的特点,有效提高了图像检测精度。文中最后对样本图像进行了图像配准对比实验,结果表明,该方法可以检测0.01 pixel的运动量,最大配准误差为0.004 8 pixel。     

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。