基于WHI及ICP的点云配准算法

针对两步点云配准中精度差、计算效率低、易受噪声干扰的问题,提出一种基于WHI特征描述符结合改进的ICP点云配准算法。首先,对大数据量的点云通过ISS算法提取特征点集作为配准点云;然后,计算特征点云的WHI特征描述符,利用随机采样一致性算法完成粗配准;最后,基于安德森加速迭代ICP算法对粗配准点云进行精确配准。通过多组点云数据集对所提算法进行验证,实验表明,该算法配准精度高、速度快,在含有噪声数据集的优势更明显。在不同的点云模型下,所提算法的配准效率提高2倍以上,在噪声环境下具有一定的鲁棒性。     

多雷达系统几种误差配准方法的分析与比较

对多雷达系统现有几种主要误差配准方法即实时质量控制法（RealTimeQuality Control)、最小二乘法（Least Squares)、最大似然法（Maximum Likelihood)和广义最小二乘法（Generalized Least Squares)进行理论分析与比较,利用参考文献[1]的数据对上述几种算法的实际应用效果进行比较,为实际系统选择合适配准算法提供一定依据。     

结合NGVF信息和互信息的图像配准方法

对传统的互信患配准方法进行改进,提出一种新的结合灰度信息和空间信息的配准方法.该方法分为粗略和精确配准两个阶段,首先利用图像的空间信息进行粗配准,再利用ACMI进行精确配准.文中利用的空间信息不同于一般的图像梯度信息,它是归一化的GVF矢量场信息(NGVFI),把它用于粗配准,抗噪性能良好.试验证明该方法鲁棒性很好,特别是对大噪声图像,配准效果突出,精度能达到亚像素级.     

融合SIFT的B样条红外图像非刚性配准

手持式广角镜头红外热像仪所拍摄的不同时刻红外图像具有刚性形变和非刚性形变,传统图像配准算法很难同时矫正刚性形变与非刚性形变,针对该问题,提出一种融合SIFT的B样条配准算法。首先在待配准图像中建立控制网格,其次运用SIFT算法寻找待配准与基准图像间的匹配点对,剔除错误匹配点对并计算出待配准图像与基准图像间的刚性变换参数,接着对控制点进行刚性变换,最后以局部强度和为测度函数,运用B样条非刚性配准算法对广角镜头引起图像的非线性进行矫正。对比实验结果表明,本文算法具有很高配准精度,能够满足实际工程精度要求。     

多模态图像配准的配准测度和性能分析

该文考察了多模态图像配准中几个典型的配准测度,揭示了它们之间的关系,通过实验对它们进行了全面的分析比较．实验中考察的测度主要包括:基于熵的测度、PIU测度以及PIU测度的改进形式等．实验结果显示了这几个典型配准测度在有效性和适应性方面的差异,为实际应用中合理选择这些测度提供可靠的参考．     

不同形变配准对头颈部CT图像的剂量评估研究

形变图像配准(deformable image registration, DIR)是自适应放射治疗(adaptive radiotherapy, ART)中轮廓推衍和剂量累积的关键过 程。 本研究比较3种不同形变配准算法在自适应放疗过程中轮廓推衍和剂量累积的变化。选择头 颈部癌症患者的放疗影像数据图像进行这项研究,刚性配准后采用B样条弹性配准和LCC- Demons配准算法,其中B样条弹性算法研究了两种优化指标:归一化互相关、归一化互相 关结合弯曲能量惩罚(bending energy penalty, BEP) 正则化。剂量评估采用剂量参数D₉₅、Dmin、D_mean、Dmax和均 匀性指数(homogeneity index, HI)来评价累积剂量与初始剂量的差异。几何评估使用Dice 相似性系数(Dice similarity coefficient, DSC)和 Hausdorff距离(Hausdorff distance, HD)来评价体积之间的重叠度。经过实验,几何评估所得的PTV(planning target volume)靶区、左腮腺、 右腮腺Dice系数在B样条弹性配准的两种优化算法和LCC-Demons算法中分别为:0. 82、 0.83、0.86,其中在LCC-Demons算法下得到的Dice系数达到了最大值0.91, 所得的Hausdorff距离均在1—3 mm之间,DSC重叠度结果与表明偏差 距离均在临床可接受的 范围内。对于剂量评估,相应的HI值分别为:1.089、1.082、1.081,LCC-Demons同样达到 了最小值1.081,本实验中LCC-Demons在轮廓推衍和剂量映射中均取 得了较好的效果,同 时也为临床环境下对配准质量的评估提供了一定的借鉴。     

2D/3D图像配准中的相似性测度和优化算法

在手术引导治疗中,2D/3D图像配准能辅助医生准确定位病人病灶,而准确的配准涉及相似性测度和优化算法等众多方面。为了研究相似性测度和优化算法对2D/3D图像刚性配准的影响,本文结合6种相似性测度和4种优化方法在配准"金标准"数据上进行了2D/3D图像配准实验,并从配准成功率、平均迭代次数和平均配准时间三个方面对配准结果进行了对比研究。实验结果表明,以模式强度为相似性测度,用Powell方法进行优化搜索是最佳配准组合。并且,在不改变相似性测度条件下,Powell方法是所用优化方法中配准效果最好的优化方法。     

基于特征的自动图像配准算法

提出了一种基于特征的自动图像配准算法，它利用角点检测和相关运算在给定源图像和目标图像上自动寻找侯选匹配点，利用松驰过程确定对应特征点。算法在大多数情况下能自动完成。从实验结果看，该算法获得了理想的拼合效果。     

一种多部地基SAR联合观测时的图形配准方法

地基SAR（Synthetic Aperture Radar,合成孔径雷达）在形变监测领取得到了广泛应用,但仅能获取沿雷达视线方向的一维形变信息。为实现三维形变信息的测量,可以采用多部地基SAR从不同的观测角度对同一区域进行联合观测,但不同雷达的图像特征差别较大,基于常规的多项式拟合的变换方法无法实现配准。因此,本文提出了一种新的适合多部地基SAR联合观测下的几何配准方案。该方案中包含两个关键问题:三维坐标系变换和同名投影点关联,首先基于多个控制点将各部雷达与场景高程信息统一到同一坐标系下,其次基于雷达成像的投影原理实现不同雷达图像中同名投影点的关联。基于两部雷达获取的实测数据,初步验证了该方案的可行性。      

多雷达系统几种误差配准方法的分析与比较

对多雷达系统现有几种主要误差配准方法即实时质量控制法（Ｒｅａｌ ＴｉｍｅＱｕａｌｉｔｙ Ｃｏｎｔｒｏｌ）、最小二乘法（Ｌｅａｓｔ Ｓｑｕａｒｅｓ）、最大似然法（Ｍａｘｉｍｕｍ　Ｌｉｋｅｌｉｈｏｏｄ）和广义最小二乘法（Ｇｅｎｅｒａｌｉｚｅｄ Ｓｑｕａｒｅｓ）进行理论分析与比较,利用参考文献［１］的数据对上述凡种算法的实际应用效果进行比较,为实际系统选择合适配准算法提供一定依据。     

图像配准技术研究进展

图像配准是解决图像融合、图像镶嵌和变化检测等问题的必要前提,其应用遍及军事、遥感、医学和计算机视觉等多个领域.简要回顾了图像配准技术的发展史和研究现状,重点阐述了当前的技术热点和应用趋势,最后展望了进一步的研究方向.     

一种基于ECEF坐标转换的多雷达误差配准算法

提出一种有效的多雷达系统误差配准算法,该算法采用ＥＣＥＦ（Ｅａｒｔｈ－Ｃｅｎｔｅｒｅｄ Ｅａｒｔｈ－Ｆｉｘｅｄ）坐标系作为过渡坐标系,将分散配置的各雷达站的量测数据实时转换到主站（设主站雷达无系统偏差）,利用各站同主站之间的量测差值,设计一扩展卡尔曼滤波器,实时估计出各站相对主站之间的系统偏差,从而对网中各雷达进行配准,计算机仿真结果证明了该算法的正确性和有效性。     

MATLAB环境下的图像配准技术研究

图像配准技术常常用于医学图像对比分析,遥感数据分析以及目标定位、测量和分析等领域。阐述了图像配准的定义,采用人机交互的方法在待配准的图像间选择配准点,利用空间几何变换关系对输入图像进行几何变换,使用MATLAB软件提供的图像处理工具对图像进行配准。仿真实验表明,该方法简便,易于实现,能消除图像之间的位置差异,进行有效的配准。     

基于SIFT的超大图像配准

SIFT算法在仿射变换、噪声、一定程度的光照条件下具有良好的匹配性能，星上宽波段相机成像尺寸都非常大，超大尺寸图像直接利用SIFT算法，在构建高斯金字塔时空间占用大，同时导致计算用时长。通过研究仿射变换矩阵，提出可以通过计算超大尺寸图像的降采样图像之间的配准系数间接获取超大尺寸图像的配准系数的方法。经过实验验证，具有一定的可行性，对于图像配准从空间上减少计算量从而节约计算时间具有一定指导意义。     

基于SURF的图像配准方法研究

图像配准在计算机视觉、医学诊断与治疗、图像拼接等领域有广泛的应用.基于特征的方法具有压缩信息量、执行速度快、精度高等优点,成为近年来研究的热点,SIFT是其中之一.但传统的SIFT方法数据量大、计算耗时长,提出了一种基于SURF的图像配准方法.首先用SURF方法提取特征点,其次用最近邻匹配法找出对应匹配点对,结合RANSAC和最小二乘法求出图像之间的映射关系,最后利用所求的变换参数插值得到配准后的图像.实验表明:该配准算法既满足参数估算准确的要求,又具有比SIFT计算量小、速度快的优点,有一定的理论和应用价值.     

基于ISS特征点结合改进ICP的点云配准算法北大核心CSCD

针对点云配准时间长、收敛缓慢、对应点匹配易错等缺点,提出一种基于内部形态描述子(ISS)特征点结合改进迭代最近点(ICP)的点云配准算法。首先采用ISS算法进行点云特征提取,并以快速点特征直方图进行特征描述,然后通过采样一致性算法完成点云的初始配准,使两片不同角度点云获得一个相对较好的初始位姿,最后通过k维树近邻搜索法加速对应点对的查找,以提高点云ICP精细配准效率。实验结果表明,与传统配准算法相比,该算法配准精度高,而且执行速度快。     

点云配准中的初始配准研究

针对精确配准容易陷入局部最优的问题,文章提出结合初始配准与精确配准相结合,更好地完成点云数据集的精确配准。通过实验表明,在两个点云数据集旋转角度相差较大时,使用传统的精确配准算法会陷入局部最优,导致配准失败;同时,实现了FPFH算法和4PCS算法,在原始点云数据旋转角度偏差较大时能够完成点云数据的初始配准,更有利于精确配准的实现。     

面向航空损伤叶片点云的分阶段配准研究

为了提高非接触式测量的数据处理精度,采用一种分阶段配准的方法,先将缺损叶片分为4个部分,采用自配准算法对每部分进行配准;再对相邻两部分采用改进的完全配准算法进行整体配准。结果表明,自配准算法与传统算法相比,在配准误差均小于0.005 mm的前提下,配准时间可以缩短到1 s以内;完全配准与传统算法相比,速度较快,并通过0级的标准量块测量实验得出系统的测量误差小于0.010 mm,满足叶片测量的精度要求。该分阶段配准方法对测量航空叶片具有一定的应用价值。