基于互信息的多模图像配准研究

分析了基于互信息的多模态图像配准的理论和方法,从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等,同时给出基于互信息的图像配准的基本步骤。     

人工鱼群算法在图像配准中的应用

图像配准是图像处理的基本任务之一,是图像融合、目标识别等的前提。文章将基于行为的人工智能思想通过动物自治体的模式引入优化命题的解决中,构造了一种解决问题的架构—鱼群模式,并由此产生了一种高效的智能优化算法—人工鱼群算法(AFSA),进而提出以人工鱼群算法为优化搜索策略的人工鱼群算法在图像配准中的应用。     

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．     

用于多模态图像配准的小动物床设计与实现

随着医学研究的深入与计算机技术的发展,单模态医学影像技术已经无法满足相关科研需求。当前,针对小动物领域的多模态医学影像配准技术研究日趋深入。设计了一种用于实现多模态图像配准的小动物床,该小动物床能够兼容多种医学影像设备,并配有保温装置以及呼吸门控装置,床上固定有图像配准标记装置,通过图像配准软件技术实现多模态图像配准及融合。实验结果表明,该小动物床满足基本功能要求,可以实现多模态图像配准及融合。     

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。     

改进的遗传算法在图像分割中的应用

针对标准遗传算法在利用Otsu理论求取图像阈值时存在的收敛性问题,提出了一种自适应的遗传算法,采用动态地交叉概率和变异概率,有效地解决了过早收敛和全局收敛性问题,并把改进后的遗传算法应用于火焰图像上,实验证明,该方法对进行图像分割时是有效和可行的.     

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。     

医学图像非刚性配准研究

非刚性配准是医学图像配准的研究热点。将非刚性配准进行了分类,分析了非刚性配准方法,提出了非刚性配准的研究热点。     

自适应遗传算法在求解函数优化问题中的应用

从多方面分析了遗传算法的性能影响因素,提出了一种寻找求解函数优化问题的最优交叉、变异率组合的方法,并通过实例验证了其有效性,同时提出了一种根据适应值大小自动调节交叉和变异率的自适应遗传算法。     

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．     

医学图像非刚性配准框架研究

提出了医学图像非刚性配准及其框架,总结并分析了医学图像非刚性配准流程中的关键环节和技术,对相关专业人员具有参考价值。     

基于极端学习机的Demons图像配准

医学图像配准是医学诊断中的重要研究内容,配准精度和速度也是众多研究的核心。图像配准过程可设想为是一种神经网络的学习过程,基于这种想法,引入极端学习机(ELM)这一系统对图像完成配准。该方法速度快、鲁棒性高,最重要的是它能不依赖梯度信息,从而很好地避开了点周围间的互相干扰,考虑到其学习过程的准确性,引入鲁棒激活函数学习机,以更好地提高配准学习系统的准确度,并提高其稳定性。     

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。     

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。     

基于MSURF算法的PCB图像配准

针对PCB板缺陷检测中用传统SURF算法进行图像匹配精度不高的问题,提出一种生产工序中运动平台机械误差先验信息与SURF特征提取相结合的MSURF配准算法。通过提取计算SURF特征点,求出对应特征点对的距离;在PCB运动平台机械误差分析的基础上,依据先验阈值边界条件筛除异常匹配特征点对;求出两幅图像满足最小二乘拟合准则的映射关系,并将其用于图像配准。在机械运动误差0.05~0.10 mm范围内对42 mm×42 mm的PCB图像配准实验,结果表明:提出的图像配准方法速度快、精度高,适用于产线PCB缺陷检测。     

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．     

改进遗传算法在图像恢复中的应用及仿真研究

从标准遗传算法操作的整体结构上对其遗传操作进行了相关改进,改进遗传算法处理后的图像与维纳滤波法相比可以更好地抑制噪声的影响。从客观评价标准MSE与PSNR等数据中也可以看出,改进的遗传算法恢复的图像质量优于维纳滤波法与标准遗传算法。     

自适应遗传算法

用自适应的适应度函数、交叉概率及变异概率取代固定的适应度函数、交叉概率及变异概率来改进遗传算法,并与标准遗传算法进行了实验比较,结果证明：改进的遗传算法显著提高了收敛性能,并且具有很强的自适应能力。     

一种新型自适应遗传算法在多峰函数优化中的应用

为解决传统遗传算法在一维多峰函数优化中容易陷入局部极值、收敛概率低、稳定性不理想等问题,提出了一种新型的自适应遗传算法。结合自适应差分进化算法流程,提出了一种基于种群适应度变化程度而变化的非线性交叉算子和变异算子,使算法跳出局部极值,寻找到全局最优解,提升最优值迭代效率。函数测试实验表明,在一维多峰函数优化中,该算法在函数收敛概率、最优值迭代效率以及稳定性上比已有算法均有提高。     

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。