基于形态学聚类算法图像配准仿真研究

研究图像配准精确度问题。由于两张图片几何关系及量度均有不同,要达到配准效果应有空间一致性。传统的聚类图像配准算法进行图像配准时,配准精度较低,算法复杂度高等不足。为了有效提高图像配准的精确度,提出了一种改进的数学形态学和聚类算法相结合的图像配准方法。算法首先改进的基于空间模式均值聚类对图像进行区域分块,并对分块的位置进行空间聚类,并准确计算出基准图像的最后的配准位置,并采用数学形态学方法对配准后的图像进行边缘处理,最后评估配准图像的质量。仿真结果表明,提出的改进的算法有效的提高了配准精确度,是一种可行性有效的图像配准算法,为图像配准提供了依据。     

基于最小路由代价树的大规模显微图像拼接方法

为了对大规模显微图像进行高质量的拼接,首先提出拼接图的概念及获得高质量全景图像的3个原则,然后采用分块-空间聚类算法配准相邻图像,同时评估配准质量,并计算拼接图的边的权值;最后在此基础上,提出了一种基于最小路由代价生成树的图像拼接方法,该方法通过计算拼接图的最小路由代价生成树来确定所有图像的全局位置,并用来生成全景图像。实验结果表明,该方法可获得高质量的全景图像。     

基于局部特征聚类匹配的多谱图像配准方法

针对基于局部特征匹配的图像配准和识别算法对于多谱段图像配准性能较差的缺点,提出一种基于局部特征聚类匹配的图像配准方法,该方法针对多谱图像的特点构建优化的局部特征提取算子,根据特征点对的相对主方向统计信息对初始匹配点集重新聚类,求出正确匹配的点对子集以实现配准。实验结果表明,该算法较大地提高了多谱图像配准的正确率和精度。     

用于快速特征点配准的聚类凸集投影算法

为降低特征点配准的计算量,提出了一种聚类凸集投影算法。该算法首先通过聚类将模板点集和目标点集的点配准问题转化为相应的类配准问题,然后将序贯凸集投影算法用于求解该问题,从而得到一种聚类的凸集投影算法。它可以看作是序贯凸集投影算法结合聚类思想而得到的推广。由于该算法的误差和计算量取决于类半径的大小,因此在点密度较大的情况下,通过适当选择类半径,可明显降低计算量,而精度只有少许降低。仿真结果表明,该算法是有效的。     

基于特征的自适应正则化配准算法*

Andriy Myronenko提出了一种自适应正则化的方法并将其应用于非刚性图像的配准,该方法在配准速度和配准精确度方面都取得了比较好的效果。但该方法对变形场初始值比较敏感,选择不当则会陷入局部极小值而不能得到理想的配准结果。为了使原始算法得到更广泛的应用,本文引入了基于特征点的粗配准方法,得到了与真实变形场更加接近的初始变形场,从而摆脱了局部极小值的困扰,得到了正确的配准结果。实验证明,改进后的算法在应用范围和配准精度上都有了提高。     

基于双匹配配准算法的多重复纹理图像拼接

针对目前图像配准算法对于多重复纹理图像配准位置偏差的问题,提出图像内自匹配与图像间互匹配相结合的双匹配配准（Double-match image registration, DMIR）算法。首先在对待匹配图像提取尺度不变特征转换（Scale-invariant feature transform, SIFT）特征之后,通过K-近邻（K-nearest neighbor, KNN）算法进行特征匹配,分别得到同一张图片的自匹配点对和不同图像间的初始互匹配点对;然后对初始互匹配点对进行相关性计算得到最正确的匹配点对,并根据最正确的匹配点对与自匹配点对的位置关系确定更多的正确匹配点对,最后计算仿射矩阵对图像进行拼接。实验结果显示经过DMIR算法获得的正确匹配点对更均匀、更准确,且拼接图像效果更好。     

用于特征点配准的快速聚类凸集投影算法

提出一种用于特征点配准的快速聚类凸集投影算法. 该算法首先将模板点集和目标点集的配准问题通过聚类转化为相应类集合的配准问题，降低了算法的计算量；进而采用基于二次规划的凸集投影来求解类配准问题，避免了序贯凸集投影算法由于交替行列投影而引起的积累误差. 仿真表明，相对于现有的特征点配准算法，本文算法的配准精度和计算量均有所改善.     

SAR图像的改进相位相关配准方法

基于相位相关的图像配准方法以其运算量小、抗干扰性强等优点得到广泛关注,但它只能解决具有平移运动的图像配准问题,为此,文章提出一种改进的相位相关配准方法,分析了其配准原理,给出流程图,并将其应用于存在缩放、旋转和平移变换的SAR图像配准中。仿真结果表明,该算法能够较为准确地估计出待配准图像相对于基准图像的平移参数、缩放尺度和旋转角度。     

ICP框架下基于表面间平均体积测度的深度像配准

提出一种利用深度像重叠区域间的空间体积作为误差度量的精确配准算法.通过寻找2幅深度像重叠区域内的有效三角形对,并将这些三角形对所夹的三维空间作为误差测度来指导深度像的配准;然后将对应三角形的质心作为对应点对,估计出新的空间位置转换关系.实验结果表明:该算法具有较高的配准精度,收敛速度快并且具有一定的抗噪声能力.     

人脸识别中的"误配准灾难"问题研究

现有的多数人脸识别系统都要依赖于面部特征(比如眼睛中心位置)的严格配准来归一化人脸以便提取人脸描述特征,但面部特征配准的准确度如何影响人脸识别算法的性能却没有得到足够的重视．该文作者首次针对这一问题进行了系统的研究,并提出了一种基于误配准学习的解决方案．为了揭示现有典型识别算法的识别性能对特征配准准确度的敏感程度,通过对眼睛位置人为加扰,作者对Fisherface算法的识别性能随平移、旋转和尺度改变而变化的情况进行了实验评估．结果表明：Fisherface的识别性能随着误配准的增大而急剧下降——称这一现象为“误配准灾难”问题．针对此问题,作者提出了一种基于扰动学习的“误配准灾难”解决方案,该方法通过在模型训练阶段加入扰动配准偏差来提高判别分析方法对误配准的鲁棒性．在FERET人脸图像数据库和CAS—PEAL-R1人脸库上的实验表明该方法可以有效地提高识别算法对误配准的鲁棒性．     

图像配准在中药贴剂图像处理中的应用

中药贴剂外观是中药贴剂质量的重要指标。把基于特征与基于区域的图像配准算法结合运用,进行中药贴剂图像配准。该方法将贴剂图样进行Harris角点检测,通过标准Fourier-Mellin匹配方法进行校验,重采样的图像融合,实现对检测过程中采集到的中药贴剂图像进行无缝拼接,应用于中药贴剂上方图像检测仪。实验用不同大小、不同形状的褶皱对中药贴剂外观表面进行标记,以便检测该算法配准精度。结果表明,该算法应用合理,能够保证中药图像配准的高精度要求。     

基于平衡系数的Active Demons非刚性配准算法

经典的Active demons算法利用参考图像和浮动图像的梯度信息作为驱动力,并使用均化系数调节两种驱动力之间的强度.该算法克服了Demons算法单一使用参考图像的梯度信息作为驱动力的缺点,但是Active demons算法中的均化系数无法同时兼顾大形变和小形变区域的准确配准,还会导致配准的收敛速度和精确度相互制约的问题.为此,本文提出一种新的Active demons非刚性配准算法.提出的算法在Active demons扩散方程中引入一个称为平衡系数的新参数,与均化系数联合调整驱动力,不仅可以兼顾图像中同时具有的大形变和小形变区域的准确配准,而且在一定程度上缓和了收敛速度和精确度相互制约的问题.为了进一步提高配准的收敛速度和精确度,避免陷入局部极值,在新的配准算法的实现中引入由粗到细的多分辨率策略.在Checkboard测试图像、自然图像和医学图像上的实验结果表明,提出的算法较经典的Active demons算法收敛速度更快,配准精度平均提高了54.28%,接近最新的TV-L1光流场图像配准算法的配准精度,解决了Active demons算法存在的问题.     

一种基于SIFT特征的快速逐层遥感图像配准方法

当前SIFT特征分层配准方法中存在特征点匹配复杂度高以及不同时相地物变化导致特征点误匹配等问题,提出一种基于SIFT特征的“低分辨率配准\,高分辨率验证”快速逐层遥感图像配准方法。该方法针对同源同分辨率不同时相的遥感图像,通过在金字塔的低分辨率图层匹配特征点对并建立仿射变换模型,在金字塔的高分辨率图层评估并修正模型。实验表明：提出的方法在保证配准精度的前提下,有效提高了配准算法的效率。
     

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。     

基于Radon变换与功率谱结合的心脏MR图像配准算法

针对心脏磁共振(MR)序列切片图像,设计了一种基于Radon变换和功率谱结合的图像配准算法。首先采用形态学边缘检测等图像预处理技术,提取出图像的边缘特征,并将其作为后续配准的输入;而后利用Radon变换和功率谱相结合的配准方法依次求出待配准图像的缩放、旋转和平移参数,利用这3个配准参数,即可通过配准变换得到配准结果。该方法解决了单纯利用Radon变换求解旋转参数易受图像空域噪声影响的问题,提高了配准的精度,同时大大减少了计算的花费。对100幅MR序列切片图像进行配准的实验表明,该方法能够稳定准确地实现MR序列图像的配准。     

非介入式手术导航中医学图像配准算法

提出一种用于非介入手术导航中基于自由变形模型的多模态医学图像非刚性配准方法,对术前MRI/CT和术中超声图像中都可见的血管结构进行配准.当图像对准时,一种图像中的血管中心点对应着另一种图像下灰度脊点;对于全局变换采用刚性变换、局部形变采用基于函数控制B样条的自由变形模型来描述;采用遗传算法和共轭梯度法相结合达到最小化目标函数.将文中算法应用于体模和临床数据,在配准精度和收敛速度上都取得了良好的效果.     

基于改进Lucas-Kanade的亚像素级零件图像配准*

针对工业应用中零件图像配准存在的光照变化和缺少纹理信息的难题,提出了改进Lucas-Kanade的亚像素级零件图像配准算法。首先根据光照变化和几何变换模型构建了模板与待配准图像间的非线性最小二乘函数;然后依据两幅图像的方向向量一致性和边缘特征为函数添加权重,以减少冗余像素点;最后应用Levenberg-Marquardt(LM)算法解算函数最优解,以实现精确图像配准。使用500幅待配准图像进行实验,结果表明该算法对缺少纹理的零件具备光照不变性,配准正确率高且达到亚像素级精度,能够满足工业应用的鲁棒性和精度要求。     

基于深度卷积特征光流的形变医学图像配准算法

光流法是一种基于光流场模型的重要而有效的形变配准算法。针对现有光流法所用特征质量不高使得配准结果不够准确的问题，将深度卷积神经网络特征和光流法相结合，提出了基于深度卷积特征光流（DCFOF）的形变医学图像配准算法。首先利用深度卷积神经网络稠密地提取图像中每个像素所在图像块的深度卷积特征，然后基于固定图像和浮动图像间的深度卷积特征差异求解光流场。通过提取图像的更为精确和鲁棒的深度学习特征，使求得的光流场更接近真实形变场，提升了配准精度。实验结果表明，所提算法能够更有效地解决形变医学图像配准问题，其配准精度优于Demons算法、尺度不变特征变换(SIFT) Flow算法以及医学图像专业配准软件Elastix。     

针对大视差图像拼接的显性子平面配准

目的 针对图像拼接中大视差图像难以配准的问题,提出一种显性子平面自动配准算法。方法 假设大视差图像包含多个显性子平面且每个平面内所含特征点密集分布。对该假设进行了验证性实验。所提算法以特征点分布为依据,通过聚类算法实现子平面分割,进而对子平面进行局部配准。首先,使用层次聚类算法对已匹配的特征点聚类,通过一种本文设计的拼接误差确定分组数目,并以各组特征点的聚类中心为新的聚类中心对重叠区域再聚类,分割出目标图像的显性子平面。然后,求解每个显性子平面的投影参数,并采用就近原则分配非重叠区域的单应性矩阵。结果 采用公共数据集对本文算法进行测试,并与Auto-Stitching、微软Image Composite Editor两种软件及全局投影拼接方法（Baseline）、尽可能投影算法（APAP）进行对比,采用均方根误差作为配准精度的客观评判标准。实验结果表明,该算法在拼接大视差图像时,能有效地配准局部区域,解决软件和传统方法由误配准引起的鬼影、错位等问题。其均方根误差比Baseline方法平均减小55%左右。与APAP算法相比,均方根误差平均相差10%左右,但可视化配准效果相同且无需调节复杂参数,可实现自动配准。结论 提出的显性子平面自动配准算法,通过分割图像所含子平面进而实现局部配准。该方法具有较高的配准精度,在大视差图像配准方面,优于部分软件及算法,可应用于图像拼接中大视差图像的自动配准。