一种适用于多视角图像的配准方法

多视角图像的配准一直是国内外数字图像配准领域,研究的热点与难点。本文采用基于仿射不变的理论以及SIFT算法来实现多视角图像的配准。该算法对任意角度拍摄的图像具备较稳定的特征匹配能力。     

基于SIFT算法的图像配准综述

SIFT图像配准是图像处理领域的一项重要技术,在遥感测绘、目标识别、图像及视频检索、导航制导和场景分类等多个领域应用广泛。在对现有SIFT图像配准文献研究的基础上,介绍了经典SIFT算法,将各种SIFT改进方法划分为基于特征点提取的改进和基于图像匹配的改进两类,对各类型的改进方法进行了系统阐述。介绍了点特征图像配准算法性能评价指标,展望了该算法的研究前景。     

一种基于小波变换的多尺度图像配准算法

在研究传统Harris角点检测算法的基础上,结合小波变换的多分辨率特性,提出一种基于小波变换边缘检测与Harris角点检测的多尺度图像配准算法。该算法保持了Harris角点检测算法在图像旋转、缩放或灰度变化时角点提取效果依然良好的优点,改进了其对噪声敏感且不具有尺度不变性的缺点,在不同尺度上有较高稳定性与匹配精准度,抗噪性较强。     

遥感图像配准技术的研究进展

在进行图像处理时,图像配准是一个必不可缺的步骤,而且图像配准也在很多领域有着广泛的应用,比如图像镶嵌、环境检测、多光谱分类等。对一般的遥感图像配准流程进行简要介绍,然后对遥感图像配准领域出现的最新技术进行总结,从原理和性能上对常用的三类算法进行了对比分析,并指出了各算法在图像配准中的优势及存在的问题。最后总结并指出了图像配准技术存在的主要问题,并展望了其未来的发展方向。     

谈图像刚性配准的基本方法

研究了基于刚性变换的图像配准,特别针对图像的特征提出了一种在预处理的基础上的刚性配准方法,有很好的配准效果。为了提高配准的速度还讨论了基于交互的刚性配准方法。     

一种改进的心脏核磁共振图像多步配准方法

提高核磁共振成像速度的研究方兴未艾。基于k-t的成像技术比如k-t SENSE和k-t PCA,利用成像序列在时间维度上的冗余性,能够将采样加速比提高到8倍以上。由于它们利用成像序列的时间冗余性,对成像对象的运动特别敏感,不能移除运动导致的伪影,从而造成重构图像在空间域的模糊。为了使基于k-t的成像技术能够运用于具有较大运动场合的成像对象,研究了一种改进的图像配准方法,通过多步配准来完成仿射变换。实验结果表明,该方法比传统的仿射变换配准精度更高。     

一种基于改进遗传算法的医学图像配准算法

局部优化算法在医学图像配准中存在容易陷入局部极值的问题．本文在分析标准遗传算法的基础上,提出了改进的具有全局优化能力的遗传算法,最后给出了本配准算法的实验结果．     

X射线图像和CT图像的投影配准

提出了一种基于Chamfer3-4距离变换和模拟退火优化的方法，用于X射线图像和CT图像间的配准．首先，建立一个初始化的几何变换矩阵．为了便于计算，通过X射线设备的几何模型重新建出变换矩阵．然后，通过定义三维投影和二维物体图像之间的距离，并且通过优化算法来使之达到最小．该方法同样被用于医学介入手术中，处理从三维图像工作站中获取的主动漫游数据．     

基于BRISK特征的图像配准提取与描述研究

基于特征的图像配准方法作为一种重要的图像配准方法,是近年来图像配准技术的研究热点。本文对BRISK算法进行了详细的描述。详细介绍了FAST角点特征提取算法、尺度空间构造以及尺度空间关键点检测方法、关键点描述方法和特征点匹配算法,给出了算法实现基本流程图。     

基于MATLAB中IPT函数的一种遥感图像配准方法

MATLAB的图像处理工具箱中有基于点特征图像配准的函数,首先对这些函数进行了详细介绍,并使用其完成了遥感图像的配准,之后提出了边缘检测的算法,与上述函数法进行结合,使特征点的提取难度降低,最后对该方法进行了分析,提出了下一步研究重点.     

Registration Method for CT-MR Image Based on Mutual Information

Medical image registration is the process of finding ageometric transformation between two image-based coordi-nate systems that have the same patient-based coordinates ,i .e .the same anatomic locations .The registered multi-mo-dality images lead to impro…     

图象几何变换与图象配准的关系研究

对图象几何变换、图象配准及其二者之间的关系进行了深入的研究与探讨,得出了"对于两帧来自同一视点具有不同内在参数的重叠图象之间的关系可用二维平面投影变换模型来描述"的结论,并给出了具体证明.     

图像配准中的非均匀多分辨率分析技术研究

在基于灰度的图像配准中,针对传统的空间均匀采样的多分辨率分析技术在低分辨率时会丢失重要边缘信息,从而产生较多局部极值点,导致误配准问题,通过使用基于灰度概率分布和其梯度信息的抽样方法,提出了非均匀空间采样的多分辨率分析技术．在人体脑部图像的刚体配准实验中应用非均匀多分辨率分析技术,实验结果表明,该非均匀多分辨率分析技术可以有效地减少局部极值点,并提高配准速度．     

点特征匹配方法在SAR图象配准中的适用性研究

基于点特征的匹配方法中,根据实际要配准图象的特点,选择合适的点匹配准则,是实现图象配准正确性和精确度的重要保证.通过对常见的点配准方法在光学图象和SAR图象上的实验及其结果分析,找出点特征匹配方法在SAR图象配准中的适应性能,为基于点特征的SAR图象配准工作提供依据.     

基于角点LTS Hausdorff距离的图像配准技术

为了克服传统灰度图像配准方法计算量大、适应能力差等问题,研究了一种基于SIFT角点的图像配准方法。比较了常用的两种特征点提取算子——Harris角点算子和SIFT特征点提取算子,通过性能对比选择SIFT角点作为特征点。SIFT算子提取的特征点可能集中在某一个小区域,采用最大统计滤波对图像进行非最大抑制的方法来进行角点分布的控制。实验证明该方法可以获得的角点分布比较均匀;针对特征点的匹配,首先采用LTS Hausdorff距离进行特征点的初匹配,然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明,该方法可以实现图像的精确配准。     

反求B样条控制点实现图像配准点的计算

在图像计算中,经常要用到B样条插值方法,而B样条的计算又依赖于决定样条曲线或曲面形状的控制点值.利用反求控制点方法得到初始图像的B样条控制点,通过改变部分控制点的位置实现图像配准点的计算.     

Non-Rigid Image Registration Algorithm Based on B-Splines Approximation

An intensity-based non-rigid registration algorithm is discussed, which uses Gaussian smoothing to constrain the transformation to be smooth, and thus preserves the topology of images. In view of the insufficiency of the uniform Gaussian filtering of the deformation field, an automatic and accurate non-rigid image registration method based on B-splines approximation is proposed. The regularization strategy is adopted by using multi-level B-splines approximation to regularize the displacement fields in a coarse-to-fine manner. Moreover, it assigns the different weights to the estimated displacements according to their reliabilities. In this way, the level of regularity can be adapted locally. Experiments were performed on both synthetic and real medical images of brain, and the results show that the proposed method improves the registration accuracy and robustness.     

结合Delaunay三角网的自适应多尺度图像重叠域配准方法

为改进随机采样一致性算法模型参数估计可能不是最优导致图像特征点配准率不高的问题,缩短特征点提取时间,提出一种结合Delaunay三角网格约束的自适应多尺度图像重叠域配准方法。采用自适应通用加速分割检测算法,快速检测出均匀稳定的特征点,并且用二进制特征描述子解决尺度不变性和旋转不变性问题。因传统随机采样一致性算法阈值选取和迭代次数的局限性,会掺杂部分难筛的误配点,在此前提下借助Delaunay算法剖分粗匹配点集,遍历计算网格间对应三角形相似度并储存在相似性度量矩阵中。依据Delaunay三角网特性,剔除相似度差异大的三角形,重构网格保存余下的匹配点集。实验结果表明,该方法特征点提取速率比FAST快15%~20%,特征点正确配准率比随机采样一致性算法提高约4.9%,不仅可自适应多尺度快速提取特征点,而且在保证特征点正确配准率基础上尽量多地保留有效特征点数量。