基于融合处理的遥感图像快速配准方法

综合利用、处理多源遥感图像数据的融合理论与方法的需求越来越大,其中配准是遥感图像融合中重要的预处理步骤.分析了图像配准三类方法的特点和存在的问题,研究了遥感图像融合与图像配准位置之间的关系,发现了融合后图像的平均梯度随配准偏差变化的规律.在此基础上,将图像配准与后续的图像融合结合起来考虑,提出了基于融合结果进行准确配准的新方法.为了降低计算复杂性,定义了新的融合图像和平均梯度的计算公式.实验结果验证了该新方法的快速有效性,适用于同质遥感图像的配准.     

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.     

基于SLER检测的红外与可见光图像自动配准

针对可见光图像和红外图像配准问题,提出了一种新的自动配准方法.该算法通过同级极值区域检测子在灰度梯度图像上提取仿射协变区域.然后利用超图匹配算法确定匹配点对实现图像配准.该方法尤其适合于红外图像的质量或者边缘比对应的可见图像质量或边缘差情况下的异模配准.对一些具有挑战性的图像对进行试验,实验结果表明我们提出的方法比其他方法获得了更好的性能.     

针对红外焦平面非均匀校正的快速图像配准方法

为了解决红外焦平面非均匀算法中出现的运动估值问题,提出了一种新的快速图像配准算法.该算法对传统光流方程计算配准精度的方法作了改进,利用基于投影信息的一维光流方程计算小数像素位移.通过与其他算法的配准效果比较,证实该算法具有配准精度高、计算复杂度低等优点.     

基于区域选择和特征点匹配的图像配准算法

提出了一种新的基于圆形区域和Harris角点检测的图像配准算法.该方法采用Harris算子检测特征点信息,自动选取有效特征点,充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算数据量过大、特征点匹配不准确等问题.仿真结果表明,该方法能在27.8 s内完成配准过程,优于传统的图像配准方法;在旋转角度上有0.07°的误差,但并不影响平移距离的正确配准.     

基于区域联合Rényi熵的多模医学图像配准

 针对医学图像配准对准确性高、鲁棒性强和速度快的要求,本文提出一种新的基于区域联合Rényi熵的多模配准算法.该算法将区域信息融入到联合Rényi熵中,并使用最小生成树来估计区域联合Rényi熵.这样,不仅改善了传统配准方法由于忽略像素空间信息造成的配准鲁棒性的降低,而且避免了使用直方图估计高维熵遇到的"维数灾难"问题.实验结果表明在图像含有噪声、灰度不均匀和初始误配范围较大的情况下,该算法在达到良好配准精度的同时,具有鲁棒性强、速度快的优点.作为一种一般性的配准算法,基于区域联合Rényi熵的配准方法还可以应用到图像配准以外的更广阔的领域,如图像检索、对象识别等.     

图像插值方法对互信息局部极值的影响分析

多模态图像配准中常使用互信息作为配准度量,互信息中的联合概率密度函数一般是利用图像灰度对的统计值来代替的,而图像插值可能产生新的灰度对,造成互信息出现局部极值。该文利用一维信号从理论上分析了线性和最近邻两种插值方法对互信息的影响。理论分析表明,线性插值造成互信息局部极值的可能性较小,而最近邻插值会使互信息出现周期性局部极值。试验结果证实了该文的结论。分析结果对基于互信息的多模态图像配准具有理论参考价值。     

基于PCA与聚类匹配的光谱图像二次配准

针对光谱图像配准方法效果较差的问题,提出一种基于PCA算法和聚类算法相结合新的特征点匹配算法并将二次配准方法引入到配准过程中。该方法首先提取SURF特征点并描述特征点,接着利用本文提出的特征点匹配算法对特征点进行匹配以完成初次配准,最后以初次配准结果作为初始值,采用改进的Powell算法利用图像灰度信息进行精配准。实验结果表明,该方法配准精度高,同时可以有效地缩短了光谱图像配准的时间。     

基于直方图散度和小波分解的图像配准算法

针对基于互信息的图像配准方法运行时间长、抗噪声差的问题,提出了一种基于新的相似性测度的图像配准算法,在分析两幅图像的联合直方图点集分布情况的基础上,定义了直方图点集的散度公式,并将其作为相似性测度.为加速参数的搜索过程,配准是在小波域内进行的,并使用遗传算法与Powell算法相结合的方法来优化参数.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.     

分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法.首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准.实验证明该方法使得图像配准精度和配准效率得到了极大提高.     

Evaluating similarity measures for brain image registration

Evaluation of similarity measures for image registration is a challenging problem due to its complex interaction with the underlying optimization, regularization, image type and modality. We propose a single performance metric, named robustness, as part of a new evaluation method which quantifies the effectiveness of similarity measures for brain image registration while eliminating the effects of the other parts of the registration process. We show empirically that similarity measures with higher robustness are more effective in registering degraded images and are also more successful in performing intermodal image registration. Further, we introduce a new similarity measure, called normalized spatial mutual information, for 3D brain image registration whose robustness is shown to be much higher than the existing ones. Consequently, it tolerates greater image degradation and provides more consistent outcomes for intermodal brain image registration.     

Iterative principal axes registration method for analysis of MR-PETbrain images

Computerized automatic registration of MR-PET images of the brain is of significant interest for multimodality brain image analysis. Here, the authors discuss the principal axes transformation for registration of three-dimensional MR and PET images. A new brain phantom designed to test MR-PET registration accuracy determines that the principal axes registration (PAR) method is accurate to within an average of 1.37 mm with a standard deviation of 0.78 mm. Often the PET scans are not complete in the sense that the PET volume does not match the respective MR volume. The authors have developed an iterative PAR (IPAR) algorithm for such cases. Partial volumes of PET can be accurately registered to the complete MR volume using the new iterative algorithm. The quantitative and qualitative analyses of MR-PET image registration are presented and discussed. Results show that the new PAR algorithm is accurate and practical in MR-PET correlation studies     

基于加权直方图的数字减影图像矫正算法

 数字减影图像矫正是DSA血管三维重建的重要预处理过程.运用分阶段矫正思想,本文首次提出基于加权直方图的数字减影图像矫正算法,对传统运动矫正和灰度矫正算法均进行有效改进.改进措施包括根据减影图像边缘信息选取控制点、构造基于减影加权直方图能量的相似性测度、生成血管排除模板和利用减影加权直方图寻找灰度偏移量.实验结果表明,改进算法能改善减影图像质量,增强血管辨识度,更有效消除运动噪声和灰度噪声,矫正效果明显.     

基于遗传算法的ICP配准技术研究

图像配准技术是图像三维重建中的重要部分,对最终三维模型的实现有着较大影响。图像配准的完成通常分为初配准和精配准2个过程。本文提出了一种新的配准思路：采用遗传算法对深度图像进行初配准,然后采用ICP算法对初配准结果进行迭代求精,实现最终的图像配准。由于遗传算法具有全局最优搜索能力,容易获取最优解或次优解,为二次配准的ICP算法提供了较好的初始位姿,提高了ICP算法的稳定性。     

基于动态层次位置管理的HIP移动性支持机制

针对现有HIP机制不支持节点微移动的问题,该文提出了基于动态层次位置管理的HIP移动性支持机制。在该机制中,网络划分成多个自治域,每个自治域划分成多个注册域。当节点在同一个注册域内移动时,在管理该注册域的本地集合服务点中进行位置更新;当节点在同一个自治域内移动时,在管理该自治域的网关集合服务点中进行位置更新。节点根据自己的移动速率以及呼叫到达率选取本地集合服务点并计算注册域的最佳范围。仿真结果表明,该机制能较好地降低节点移动时的信令开销,支持节点微移动。     

一种新的点云拼接算法

迭代最近点(ICP)算法广泛运用于三维点云数据的多视拼接,其精度和迭代收敛性严重依赖于待拼接数据的初始拼接位置,这就决定ICP只能是一个性能优越的精确拼接算法。粗拼接算法旨在为ICP提供一个良好的初始拼接位置。基于信息论中熵的概念,分析了点云的空间分布规律与所处位置的关系,在此基础上提出了一种新的粗拼接算法—迭代最小空间分布熵法。实验表明,该算法有效可行,可以提供很好的初始拼接位置,在误差允许范围内,该算法可以直接实现点云拼接。     

A nonlinear least square technique for simultaneous image registration and super-resolution.

This paper proposes a new algorithm to integrate image registration into image super-resolution (SR). Image SR is a process to reconstruct a high-resolution (HR) image by fusing multiple low-resolution (LR) images. A critical step in image SR is accurate registration of the LR images or, in other words, effective estimation of motion parameters. Conventional SR algorithms assume either the estimated motion parameters by existing registration methods to be error-free or the motion parameters are known a priori. This assumption, however, is impractical in many applications, as most existing registration algorithms still experience various degrees of errors, and the motion parameters among the LR images are generally unknown a priori. In view of this, this paper presents a new framework that performs simultaneous image registration and HR image reconstruction. As opposed to other current methods that treat image registration and HR reconstruction as disjoint processes, the new framework enables image registration and HR reconstruction to be estimated simultaneously and improved progressively. Further, unlike most algorithms that focus on the translational motion model, the proposed method adopts a more generic motion model that includes both translation as well as rotation. An iterative scheme is developed to solve the arising nonlinear least squares problem. Experimental results show that the proposed method is effective in performing image registration and SR for simulated as well as real-life images.     

异分辨率高光谱图像的空间配准

近年来,高光谱成像仪迅速发展,可应用于越来越多更复杂的应用场景。人们对遥感图像处理精度等方面提出了更高的要求。图像配准作为遥感图像处理的重要步骤,对遥感图像的后续处理至关重要。遥感图像的配准方式很多,目前比较成熟的配准方式大多集中在不同传感器、相同分辨率下的配准;对于不同传感器、不同分辨率的遥感图像配准成果很少,所以本文对此进行了研究。提出了基于边缘特征寻找同名点的遥感图像配准算法,得到了图像配准结果,并对其进行了验证。相对于现有的配准算法,本文算法使得不同传感器、不同分辨率的遥感图像的配准精度大大提高。     

基于边界距离场互信息的图像配准方法

基于图像边界平均Hausdorff距离的配准方法实现简单、速度快、有较大应用价值,但对图像边界不完全对应的情况配准效果不好。提出了一种以图像边界距离场互信息作为相似度函数的图像配准方法,以参考边界的距离场和浮动二值边界为两个离散概率分布,将其互信息作为相似度函数进行配准。实验结果表明,该算法对图像内容完全一致和内容不完全对应的图像均可得到良好的配准结果。