融合GMS与VCS+GC-RANSAC的图像配准算法

针对当前图像配准算法配准时间过长、配准正确率低等问题,提出一种基于网格运动统计（GMS）、矢量系数相似度（VCS）与图割随机抽样一致性（GC-RANSAC）的图像配准算法。首先,通过ORB（Oriented FAST and Rotated BRIEF）算法对图像进行特征点提取,并对特征点进行暴力匹配。之后,通过GMS算法对图像中的粗匹配特征点进行网格划分,利用网格中正确匹配点邻域内具有较高特征支持量的原理对粗匹配对进行筛选;并引入图像匹配对在进行矢量运算时VCS不超过某一设定阈值的原理对匹配对进行部分剔除,以利于算法后期的快速收敛。最后,运用GC-RANSAC算法进行局部最优模型拟合,得到精匹配特征点集,实现高精度的图像配准和拼接。通过与ASIFT+RANSAC、GMS、AKAZE+RANSAC、GMS+GC-RANSAC等算法对比,实验结果表明,该算法在平均匹配精度上提高了30.34%,平均匹配时间缩短0.54 s。     

高分辨率遥感图像配准控制点均匀化算法

针对多源遥感图像普遍具有数据量大、辐射差异大等特征,而现有的图像配准算法无法直接应用于遥感图像自动配准处理中的问题,综合考虑控制点的密度和分布,提出了一种高分辨率遥感图像自动配准算法。首先,将待配准图像和参考图像降采样到单机可以处理的大小,利用尺度不变特征变换(SIFT)算法建立降采样图像间的初始匹配;其次,将原始待配准图像按照网格分割为子图像,并利用初始匹配找到每幅子图像在参考图像上的对应子图像;再次,利用SIFT和极大稳定区域(MSER)特征点的空间互补性,在每一对子图像上提取大量特征点;最后,利用随机采样一致性(RANSAC)算法剔除误配后,采用基于最大团问题的贪心法进行控制点均匀化处理,进一步剔除冗余的控制点。与现有的基于SIFT特征和基于灰度的遥感图像配准算法相比,本算法在配准精度和控制点的分布均匀度等方面具有优越性。     

基于特征点的多光谱遥感图像配准

提出一种基于特征点的多光谱遥感图像配准算法。首先在图像上建立二级规则网格,根据信息嫡值及特征分布均匀性准则选取特征网格;然后利用Forstner算子在特征网格中提取特征点,针对多光谱图像的特点,利用基于相关性原理的粗匹配和改进的基于空间距离约束的精匹配确立特征点的对应关系;最后通过仿射变换得到配准后的图像,并用均方根误差评价配准效果。实验结果表明,该方法计算速度快,且能够达到亚像素级配准精度。     

桥梁配准方法的研究与实现

以全色、多光谱图像中的桥梁目标为研究对象,采用具有尺度不变特征的SIFT算法,对图像进行特征点的提取与匹配,利用Delaunay三角网格对两幅图像特征点进行修正,通过投影变换将两幅图像变换到同一坐标系下进行配准,并利用均方根误差和相关系数进行配准评价;实验结果表明该方法可以减少图像的配准时间,配准精度达到亚像素级。     

一种特征约束的有限元人脑图像配准方法

提出了一种结合图像的解剖标记点和自适应有限元网格进行人脑图像的精确配准方法.首先利用Forstner算子提取对应图像的解剖标记点,并作初始的图像刚性变换.为了使有限元网格能更加准确地刻画图像解剖结构分布特征,本文利用图像的梯度分布建立了自适应的有限元网格剖分,结合标记点作为有限元的形变约束,使得配准的精度和有限元的计算效率得到提高.人脑图像配准的实验结果表明,该方法能有效地解决图像弹性配准问题.     

基于AROP程序包的类Landsat遥感影像配准与正射纠正试验和精度分析

遥感影像的精确配准和正射纠正是进行图像融合、变化检测、图像镶嵌、定量遥感建模、多时相和多传感器影像协同应用的基础和前提。以美国国家航空和航天管理局下设LEDAPS(Landsat Ecosystem Disturbance Adaptive Processing System)课题组开发的配准与正射纠正程序包AROP(Automated Registration and Orthorectification Package)为例,详细阐述了其配准的原理与程序设计流程,并对其配准的精度进行了分析和评价。试验表明:AROP程序包算法能够找出足够的控制点,且控制点分布较为均匀,配准误差小于0.5个像元。误差特征表现为:扫描误差明显大于航向误差,误差的结果与影像漂移、DEM、坡度存在一定的相关性,高程和坡度是影响配准精度的主要因素之一。该程序包目前能够用于对我国CBERS影像的正射校正以及波段不匹配处理,但是对HJ卫星CCD影像数据配准还有待于进一步研究。     

基于CenSurE特征的虚实配准方法研究

针对虚实配准的高精度和实时性要求, 提出了一种基于CenSurE特征的自适应虚实配准方法。该方法包括离线初始化和在线跟踪两个阶段。离线阶段系统利用CenSurE-OCT滤波器和MU-SURF描述符进行特征提取和匹配操作, 并根据特征匹配集合建立坐标系, 同时求得虚实配准的初始矩阵。在线跟踪阶段系统采用自适应跟踪方法获取当前图像特征点与参考特征点的对应关系, 然后利用误差逼近的方法求得当前图像的虚实配准矩阵。实验结果表明, 该方法的配准误差均值为1. 91　mm, 运算速度为21 fps, 其综合性能优于基于FAST、SIFT和SURF等局部特征的虚实配准方法, 具有较高的配准精度和较强的实时性。     

基于点线配准和超像素分割的图像拼接算法

针对当前一些图像拼接算法中特征点数量不足、错位和重影等问题，提出一种基于点线配准和超像素分割的图像拼接算法。该算法通过引入线特征，丰富了图像特征，增加了特征点数量，并与映射关系和几何约束相结合，提高匹配精度；采用超像素分割代替传统的网格划分，保护了图像内容，提高了单应性的准确性，改善了错位和重影。主观效果和客观指标的对比实验结果表明了该算法的有效性和优越性。     

梯度与曲率变形力相结合的图像配准方法——大形变非刚性图像配准

Active Demons算法是Demons算法的改进形式,其将形变配准视作扩散问题,利用牛顿作用力与反作用力思想,仅依靠梯度信息确定浮动图像的位移,在处理大形变配准问题时存在配准精度不高的弊病。将等照度线曲率作为一个控制形变的驱动力因素引入Active Demons扩散方程,建立了一个具有梯度与曲率双重驱动力相结合的非线性扩散模型（Active G&C model）,并在Active G&C模型应用于大形变图像配准的算法实现过程中加入多分辨率策略,以提高大形变图像的配准精度。实验结果表明,这一模型较经典的Active Demons算法具有更好的配准性能。     

混合样条大尺度医学图像弹性配准算法研究*

针对大尺度形变医学图像配准速度慢和精度低的特点,提出一种结合薄板样条(TPS)和B样条的弹性配准方法。该方法采用尺度不变特征变换算法(SIFT)进行图像特征提取与匹配,利用TPS算法将特征点对作为输入进行预处理,以降低浮动图像的形变尺度,从而提高下一步B样条配准的速度与精度。然后使用局部区域细化层次B样条方法将TPS生成的较稀疏的形变网格作为初始网格,结合有限记忆优化算法(L-BFGS)对控制网格做进一步地处理,此过程只对形变较大的局部区域进行细化,以实现与参考图像的快速精确配准。实验结果表明,该方法较层次B样条方法有效地提高了配准的速度和精度。     

基于图像配准的数字减影图像增强研究

提出了一种基于图像配准的数字减影图像增强算法,通过选择合适的控制点和相似尺度,并采用快速样条插值算法以及鲍威尔优化搜索方法,用块匹配方法对造影图像和掩膜图像配准,配准后的减影图像质量良好,并且该算法具有较快的计算速度。     

基于Harris角点量与相位相关的亚像素级图像配准方法*

相位相关法是一种常用的图像配准方法,而直接基于傅里叶变换的快速图像配准方法（ＦＤＦＡ）使之具有亚像素级的配准精度,它需要根据图像内容细心选择参与相位拟合的频率分量,并在图像上施加窗口以抑制频域的图像边界效应,从而提高其偏移量估计精度。从边界效应抑制的角度出发,利用Harris角点量代替原始图像进行相位相关计算,与传统的对原始图像加窗的方法不同,该方法既抑制了边界效应,又避免引入截断误差,同时只用对其第一项频率分量进行拟合,而不需要进行频率项的选择,使相位拟合过程更简单。提取图像的Harris角点并选择其中     

实用数字血管减影配准算法研究

在数字减影血管造影中，常要用配准技术来消除因病人运动而形成的减影图像中的运动伪影。过去许多配准算法都忽视了图像特征，在这里介绍一种配准方法，它利用图像特征，在图像的边缘上选取控制点，采用差分图像局部熵作为相似性测度，该算法用C 编程实现，并和手工象素移动及网格法作比较，结果表明优于后两种方法。     

脑部数字减影图象增强研究

针对数字减影图象中，因运动引起的图象质量下降问题，提出了一种基于图象配准的数字减影图象增强算法，该算法通过选择合适的控制点和相似测度，采用快速样条插值算法以及鲍威尔优化搜索方法，并用块匹配方法对造影图象和掩膜图象进行配准，实验结果表明，配准后的减影图象质量良好，不仅具有较高的临床诊断价值，并且该算法具有较快的计算速度。     

Three-dimensional laser image-filtering algorithm based on multi-source information fusion and adaptive offline fog computing

To improve the image-processing accuracy and speed of laser three-dimensional imaging system, effectively filter the noise in the image, and effectively optimize the processing speed and image accuracy, this paper proposes an improved adaptive mean-shift image-filtering algorithm based on the traditional mean-shift-filtering algorithm. First, this paper introduces the traditional mean-shift-filtering algorithm, and improves it on the basis of the traditional algorithm. Experiments show that the mean square deviation of the pixels in the area of selection can be used as a feather of image noise and as a control parameter to adjust the size of bandwidth matrix h adaptively, so as to achieve the optimization of accuracy and speed. When the mean square error of the area of selection is large, it shows that the noise is large, and h is increased, so that more pixels are involved in the mean calculation, thus greatly improving the accuracy of calculation. When the mean square error of the area of selection is small, it shows that the noise is small, and then, h is reduced appropriately. A small number of pixels are selected to participate in the mean calculation, which can improve the speed of the algorithm. According to the size of the broadband matrix h, the appropriate pixel values are selected to participate in the process of calculating the mean values, so as to improve the accuracy of the results. Finally, the improved algorithm is verified by comparative experiments. The experimental results show that the improved algorithm can effectively filter the noise in the image and improve the image clarity. Experiments show that the algorithm has good edge-preserving and denoising characteristics.     

面向全景拼接的图像配准技术研究及应用

针对SIFT算法在生成特征向量和进行特征匹配过程中存在的计算量较大、容易产生误匹配等不足,提出一种优化的SIFT配准算法。优化算法首先引入拉普拉斯算子对图像边缘进行锐化处理,结合图像单元信息投影熵原理提取分块图像特征;再依据投影熵矢量欧氏距离最小揣度进行特征匹配;最后利用改进的随机抽样一致性算法删除误匹配。改进算法应用于全景图像拼接中。实验表明,与原始SIFT配准算法相比,优化算法能够有效提高算法效率,减少错误匹配,取得了较好的匹配效果。     

基于全局运动模型配准的图像超分辨重建

把全局运动模型配准算法运用到序列图像超分辨重建中,通过与优化的基于频域的配准法进行对比,在运动模型可以准确地反映物体运动状态的情况下,该算法能够更精确地估计运动参数,从而确保重建后的高分辨率图像拥有更多细节信息。同时,阐述了参与重建的低分辨率图像帧数越多,重建精度会越高,但随着帧数的增多,重建误差降低幅度会越低,而算法复杂度及其耗时会过多地增加,因此提出应根据对重建精度的要求而确定参与重建的低分辨率图像的帧数。     

基于SIFT和改进的RANSAC图像配准算法

为解决RANSAC算法迭代次数过多导致图像配准精确率不高的问题,提出了一种改进的RANSAC图像配准算法。首先将参考图像和待配准图像进行NSCT变换分解成低频子带和高频子带。然后对高频子带运用矢量夹角算法和结构相似性（SSIM）来提取图像边缘特征点,对低频子带运用SIFT算法并设定合适的距离阈值来提取特征点。最后利用改进的RANSAC算法提高特征点匹配精度,选择出精匹配点对,实现图像配准。实验结果表明,该算法能有效地找到较多的匹配点对,准确地去除误匹配点对,明显地提高了配准精确度。     

基于互学习的自适应PSO算法的亚像素定位研究

针对数字图像相关方法(DIC)的亚像素精确定位运算量大、时间代价高的问题,提出了一种改进的粒子群优化方法的亚像素精确定位。依据待测物图像中特征点变形程度的差异自适应地调整粒子飞行的速度和范围并细化到x和y二维方向上,改善特征点位移解的质量;另外,引入粒子间的互相学习机制,充分利用前一粒子的历史信息,减少迭代次数,提高算法运行效率;最后,将这种互学习的自适应粒子群的亚像素定位算法与牛顿-拉夫森(Newton-Raphson)算法和牛顿拉夫森-粒子群(NR-PSO)算法作比较。实验结果表明,本文算法具有更高的精度、有效性和可行性,尤其在处理大数据量时,该算法的时间成本优势更为显著。     

基于邻域一致性的无人机航拍图像配准过程控制技术

由于无人机航拍图像的采样节点重叠度较高,所以在无人机航拍图像配准过程中无法避免像素点错误匹配的问题,提出基于邻域一致性的无人机航拍图像配准过程控制技术。根据无人机航拍图像配准区域划定标准,识别关键图像标注点,通过计算一致性测度值指标设计基于邻域一致性的无人机航拍图像融合方法。结合图像融合结果进行航拍图像地理定位,根据采样灰度因子的数值水平分析图像采样节点之间的重叠关系,对航拍图像进行坐标变换与几何校正。结合坐标变换与几何校正结果提取图像边界特征点,将特征点作为配准过程控制点,根据控制点分布质量与尺度空间极值实现无人机航拍图像配准过程控制。实验结果表明,在邻域一致性原则作用下,无人机航拍图像采样节点之间的重叠度明显下降,像素点错误匹配问题得到了解决,配准效果好。