基于SIFT的全自动遥感图像配准算法

针对仿射变换的光学图像自动配准精度不高的问题,提出了一种基于特征的由粗到细的遥感图像自动配准算法。首先采用SIFT特征进行了特征点的粗匹配,将输入图像映射为一个具有平移、缩放、旋转不变性的局部特征向量集,采用特征向量的欧氏距离作为相似性判定度量,通过两两比较找出匹配的若干对特征点对作为初始配准点对,以完成输入图像的粗匹配;其次,以互信息作为相似性测度,基于位置控制的搜索策略,确定了更多的特征点的对应关系;然后,利用控制点结合加权最小二乘优化仿射变换的模型参数,完成了图像间的精细配准;最后引入了联合直方图,以其作为配准精度的评价标准来检验配准效果。研究结果表明,该算法对于高光谱遥感图像具有较高的配准精度,速度快、可靠性高。     

采用目标区域互信息的星空图像配准

提出了采用目标区域互信息的测度方法对星图进行精确配准以解决星图中存在噪声、伪星点、星点稀疏以及星图间的旋转等问题。首先对星图进行图像分割,检测出星点目标并对星点进行二值化处理;然后基于互信息配准模型,在含星点的目标区域上,利用Powell算法将最大互信息作为目标函数来指导图像间最优变换参数的搜索。分析了适宜于互信息测度配准的星点分割算法,并论证了采用目标区域互信息的星图配准的可行性。对提出的算法与标准的互信息配准算法进行了对比。结果表明:提出算法的时间消耗与图像中星的数量有关,在图像大小为1 000×1 000时,提出算法的加速比为标准算法的3.4倍。该算法在星图中存在噪声、伪星点、星点稀疏和旋转的情况下仍能进行准确配准,50组实拍星图配准误差平均值为0.138 2pixel,满足了星空图像对精确配准的要求。     

基于灰度距离融合的2D/3D刚性配准

针对影像导航手术提出了一种基于灰度距离融合的2D/3D刚性图像配准方法。该方法使用一种新的灰度距离信息对最常使用的传统相似性测度(互信息,互相关及模式强度)进行约束,构建一类新的相似性测度(距离互信息,距离互相关和距离模式强度),并用维也纳医科大学公开发表的2D/3D刚性配准金标准数据来评估新测度的配准性能。与基于灰度的传统相似性测度相比,文中方法构造的新相似性测度在平均目标配准误差(mTRE)的均值和标准差上均有显著降低,其中均值至少降低了28.15%,标准差最少降低了61.17%。以mTRE小于2mm为配准成功的依据时,新测度的配准成功率比传统测度至少提高了25.56%。此外,新测度在配准优化过程中的迭代次数比传统测度平均降低了35.59%。结果显示:基于灰度距离融合的2D/3D刚性配准方法比基于单一灰度的配准方法具有更好的图像配准性能。     

一种基于新的相似性测度的自动图像配准算法

图像配准是图像处理的一个重要技术,被广泛地用于遥感图像、医学影像、视频监控等诸多领域中。本文提出了一种基于新的相似性测度的配准算法,首先分析2幅图像的联合直方图点集的分布情况,基于此定义了直方图点集的散度公式,并将其作为相似性测量。为加速参数的搜索过程,配准是在小波域内进行的,并使用Powell算法来优化搜索策略。实验证明,相对于基于互信息的图像配准算法,本算法参数优化方法选择可以更灵活,时间消耗更少,噪声鲁棒性更优。     

基于经验模式分解和互信息的多模态图像配准

基于互信息的配准方法是目前多模态图像配准研究中的热点.提出了一种基于经验模式分解后剩余图像和互信息的多模态图像配准方法.首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维经验模式分解(BEMD)应用于多模态图像配准的可行性,然后给出了图像配准方法的实现步骤.典型多模态图像配准实验结果表明此方法与传统互信息法和基于小波分解结合互信息的方法相比,旋转角度估计误差可以降低1个数量级,缩放参数的估计误差也有很大降低.表明该方法获得了更高的配准精度.     

基于伽马混合模型B超图像聚类配准的颈动脉管壁搏动位移干扰抑制

提出了基于伽马混合模型B超图像聚类(UICG)的配准方法以抑制血管壁搏动位移估计的干扰。使用伽马混合模型对颈动脉B超图像聚类,以远距组织的归一化互信息为相似性测度提取干扰曲线,基于干扰曲线对聚类图像序列进行空间逆变换以消除外界干扰,最后采用散斑追踪法在配准后的聚类图像序列中估计管壁搏动位移。仿真实验表明,相比主轴质心与互信息相结合(PCMI)的传统配准算法,X、Y和旋转方向上的UICG干扰归一化均方根误差(NRMSE)分别减小了36%、38%和32%,管壁搏动位移估计的NRMSE均值减小了37%。对健康受试者颈动脉的实测试验进一步证明了UICG法的有效性。综上,UICG法能有效抑制干扰,提高管壁搏动位移的估计精度。     

基于Demons算法的变形掌纹归一化方法研究

非接触采集是主流掌纹采集方式,但其低约束性可能会导致手掌摆放方式不定,与传感器距离不定,从而引起手掌变形,尤其是手掌平面和传感器平面不平行导致的局部变形问题,这将影响后续特征提取,降低识别率。针对此问题,考虑到人手本身是非刚体的特点,提出基于Demons非刚性配准算法的变形掌纹归一化校正模型,进一步增强变形图像与标准图像的相似性,弥补了传统刚性方法校正效果不佳的缺陷。首先使用改进的Demons非刚性配准算法进行变形掌纹的归一化校正,再使用测度指标进行效果评价,结果表明:在任取的图像序列内,与传统的基于归一化互信息(NMI)的刚性配准方法相比,NMI最高提升3.64%,相关系数(COEF)最高提升156.25%,均方误差(MSE)最高降低81.63%,各指标均优于基于NMI的刚性配准方法,验证了本文方法的有效性和优越性,为后续的特征提取和识别创造了有利条件。     

偏振探测系统的图像配准

分振幅式偏振探测成像系统的各分光路图像之间存在位置误差,率先完成各分光路图像之间的图像配准是进行偏振探测的前提条件。针对探测过程中,目标特征不明显、图像特征难以提取、各分光路图像间灰度变化较大的问题,提出适用于分振幅式偏振探测成像系统各分光路图像的相似性度量函数,并在此基础上,完成各分光路图像间的配准工作。首先,根据图像间的位置误差会造成偏振信息图像中出现信息异常区域的原理,研究了相似性度量函数的提取算法;接着,根据探测系统的各分光路的成像特点,确定图像间的几何变换参数;以遗传算法作为参数优化搜索算法,搜索得到最优的几何变换参数,完成整个图像配准算法的设计;最后,分别利用构造图像和实际采集图像,对配准算法进行了验证,并以图像间互信息值(MI)衡量图像配准的精度。实验结果表明:配准后的构造图像的MI为2.692 5,高于特征配准方法的实现精度;实际采集图像配准后的MI达1.849 3,同样高于特征配准方法的实现精度。基本满足偏振探测系统的图像配准需求。     

基于人工免疫系统的医学图像配准

提出了一种基于人工免疫系统的图像配准算法.针对医学图像配准中常用的Powell算法容易陷人局部最优问题,以互信息最大为配准侧度,将体液免疫的思想应用于医学图像配准,较好地解决了局部最优这一难题.针对免疫算法计算量大的问题,对免疫选择算子进行了改进,降低了计算复杂度,并将外推搜索和黄金分割法用于种群初始化,进一步提高了计算效率.实验结果表明,论文提出的算法具有良好的精准性和稳定性,是一种有效的配准算法.     

基于最大互信息的激光雷达与相机的配准

针对智能车中激光雷达与相机的配准问题,提出了一种基于点云反射值与图像灰度值最大互信息的自动配准方法。该配准方法以刚体变换作为两传感器间坐标变换模型,首先利用点云反射值和图像灰度值计算互信息,将互信息值作为相似性度量,然后分别采用Barzilai-Borwein算法和改进Powell算法搜索互信息最大值,从而求得最优配准参数,最后通过实验对两种优化算法进行了分析比较。实验结果表明,基于最大互信息的配准方法可以实现智能车激光雷达与相机配准参数的自动、准确求解,并且改进Powell算法比Barzilai-Borwein算法具有更高的准确性和鲁棒性。     

Registration of infrared transmission images using squared-loss mutual information

Infrared light allows us to measure the inner structure of opaque samples such as a semi-conductor. In this paper, we propose a method of registering multiple infrared transmission images obtained from different layers of a sample for 3D reconstruction. Since an infrared transmission image obtained from one layer is contaminated with defocused images coming from other layers, registration with a standard similarity metric such as the squared error and the cross correlation does not perform well. To cope with this problem, we propose to use the squared-loss mutual information as an alternative similarity measure for registration, which is more robust against noise than ordinary mutual information. The practical usefulness of the proposed method is demonstrated in simulated and actual experiments.     

数控机床主轴系统热误差温度测量点的最优化设计方法

基于信息论与机床热误差有限元分析方法,提出了一种对数控机床温度测量点的位置进行优化的计算方法,这些测点包含机床热变形误差互信息量最大点。将该方法应用于一台数控螺纹磨床主轴系统的热误差温度测点位置的最优化设计选择,并通过主轴热误差测量实验验证了所提出方法的有效性。     

基于色彩感知的无参考图像质量评价

图像发生失真会改变RGB色彩空间的颜色特征、各色彩分量的亮度分布及其间的相关性,基于此,提出了一种新的无参考图像质量评价方法。首先,标准化6种颜色系数以消除光照环境变化对RGB模型的影响,并利用各颜色系数的拟合广义高斯分布模型(GGD)的形状参数作为颜色统计特征;其次,分别计算各色彩分量的均值减损对比归一化(MSCN)系数及其邻域系数间的互信息,利用互信息作为统计特征来描述其各分量间的相关性;进而,利用人眼更为敏感的G分量MSCN系数的拟合GGD模型参数及其4方向邻域MSCN系数的拟合非对称广义高斯分布模型(AGGD)参数作为亮度统计特征;最后,分别利用支持向量回归机(SVR)和支持向量分类机(SVC)构建无参考图像质量评价模型和图像失真类型识别模型,并在LIVE等数据库上进行了算法与差异平均意见分(DMOS)的相关性、模型的鲁棒性等方面的实验。实验结果表明,本文方法的评价结果与人类主观评价具有高度的一致性;而且图像失真类型识别模型的识别准确率也高达到93.59%,明显高于当今主流无参考图像质量评价方法。     

基于S变换和互信息的梁类结构裂纹定位方法

实际使用中的梁类结构容易萌生裂纹,影响其使用寿命及安全可靠运行,准确判定其裂纹损伤位置对于实现梁类结构的快速准确维护处理具有重要意义,为此提出基于振动信号S变换和互信息值实现梁类结构裂纹的识别与定位。首先,基于测试获得梁类结构上分布点的振动信号;其次,利用S变换将振动信号变换到时频域,计算梁结构在裂纹损伤前后各对应位置点时频域振动信号的互信息值;最后,通过检索互信息值向量中分量的最小值位置实现裂纹区域的准确定位。为了避免引入附加质量的影响,利用机器视觉测振系统采集悬臂梁和小型复合材料叶片上的分布点振动信号,设置不同裂纹位置对梁类结构裂纹定位方法进行了验证,证明了方法的有效性。     

基于最小互信息准则的盲源分离在齿轮箱故障诊断中的应用

提出一种利用盲源分离技术对齿轮箱混合故障进行诊断的方法。该方法以最小互信息量为准则,采用自然梯度的自适应算法求解统计独立源信号的估计值,并根据分离信号的频谱成功地提取了混合故障的特征信息,有效地诊断出齿轮箱所处的故障状态。     

改进细菌觅食优化算法在贝叶斯网络结构学习中的应用

针对目前已有的贝叶斯网络结构学习算法一般存在算法易早熟、学习效果不理想、算法效率较低等问题,提出了基于改进细菌觅食优化算法的贝叶斯网络结构学习策略,对传统细菌算法中的趋化算子、繁殖算子和迁移算子进行了改进。将自适应理论应用于细菌游动步长的计算和繁殖个体的选择中;在迁移算子的迁移概率计算中,引入了遗传算法中的轮盘赌方法;在互信息理论的基础上,给出了一种新的网络结构随机进化方法,代替了传统细菌算法中的随机迁移。对不同规模的经典贝叶斯网络进行了仿真实验。研究结果表明,该算法在贝叶斯网络结构学习方面,在收敛性上表现稍逊于别的算法,但在学习效果上,特别是针对结构相对复杂的网络,优势明显。     

改进Demons算法的非刚性医学图像配准

非刚性配准是医学图像处理的一个重要的研究方向。基于光流场模型的Demons算法由于仅依赖图像灰度梯度使图像变形,当缺乏梯度信息时图像的变形方向不能确定,因而容易造成误配准,且该算法只适合于单模态图像配准。本文针对最大互信息配准方法在多模态刚性配准中的成功应用,提出了一种可用于多模态图像配准的改进Demons算法。该方法在原有驱动图像变形力的基础上,增加两幅图像间互信息对当前变换的梯度作为附加力作用,使浮动图像向两图像间互信息增大的方向变形,正确地配准图像。为避免陷入局部极值并提高算法的运行速度,该方法在多分辨率策略下实现。使用单模态、多模态图像分别进行实验来验证此算法,并与原始Demons算法进行比较,实验表明,该方法能够快速地产生准确的配准变换。