结合SIFT和Krawtchouk矩不变量的图像配准方法

提出了一种基于SIFT和Krawtchouk矩不变量的图像配准方法。通过SIFT关键点检测方法检测关键点;对每个关键点计算其邻域的Krawtchouk矩不变量,并将其构成描述关键点的特征向量;计算关键点特征向量之间的欧氏距离找出相匹配的关键点对。实验结果表明,该算法的配准性能与标准SIFT算法相当,而运算速度比标准SIFT算法有较大程度提高。     

基于SIFT与Contourlet变换的高分辨遥感图像配准

针对高分辨遥感图像特征量较多的情况,提出一种基于SIFT与Contourlet变换相结合的图像配准算法。首先将图像进行Contourlet变换分解成低频和高频子带,对高频子带通过设定合适的阈值来提取图像边缘特征点,对低频子带进行SIFT特征点提取。将两者提取到的特征点分别匹配后得到粗匹配点对,利用随机抽样一致性(RANSAC)选择出精匹配点对,实现图像配准。实验表明:在多源遥感图像配准过程中,与基于非采样Contourlet变换(NSCT)和基于SIFT特征提取相比,该算法能够更准确地提取到特征点,具有更高的运算效率以及匹配率。     

Contourlet变换域中基于矩特征的图像检索

提出一种Contourlet变换域中基于矩特征的图像检索方法。为了提高方法对于噪声的鲁棒性,对图像进行Contourlet变换后,对变换结果进行阈值滤波,计算各子带系数的一阶几何矩作为图像的特征向量,采用欧氏距离进行相似度度量。该方法提取的图像特征能反映子带系数的空间分布特征,无需任何前提假设。实验结果表明,该方法具有较高的查准率,对噪声的容忍度高于现有算法。     

一种新的基于Legendre矩的fMRI图像配准方法

提出了一种脑功能磁共振图像配准的方法。Legendre正交矩可以用来作为图像配准的策略，它的快速计算至关重要，边界的拟合精度和速度对Legendre矩的计算影响很大。根据推导出的Legendre矩的边界特点，提出了采用四连通链码法和改进的矢量斜率法进行边界拟台，从而解决了Legendre矩快速计算的问题。采用遗传算法进行多参数配准策略优化，避免了局部极值的干扰。改进的Legendre矩配准方法是一种快速脑功能图像配准方法。     

基于小波域图像不变矩的图纸一致性检测

审图系统中，需要对报送的工程图纸和已有的电子图纸进行一致性检测。为此，提出了基于小波变换和图像不变矩的图纸一致性检测算法。该算法首先利用仿射变换对预处理后的工程图纸进行图纸配准，然后利用小波变换对扫描图纸和电子图纸实现小波分解，简化比对的计算量，并利用图像不变矩的平移、尺度和旋转不变特性，作为图纸比对的准则。实验结果表明，此算法能很好地实现审图系统中图纸的一致性检测。     

基于Zernike矩和前馈神经网络的图像配准

提出一种基于Zernike矩和多级前馈神经网络的图像配准算法。利用低阶Zernike矩表征图像的全局几何特征,通过多级前馈神经网络学习图像所经历的旋转、缩放和平移等仿射变换参数,在一级前馈神经网络的基础上添加二级前馈网络,以提高参数估计精度。仿真结果表明,与基于DCT系数的神经网络算法相比,该算法旋转、缩放和平移估计精度较高,对噪声的鲁棒性较强。     

一种基于混合优化算法的医学图像配准方法

为了实现脑部多模医学图像配准,提出了一种基于混合优化算法的配准方法。该算法采用遗传算法中的杂交思想改进了混沌粒子群算法,并用最大互信息测度对脑部MRI及CT图像进行配准。该改进算法可有效地避免优化算子陷入局部极值,而且算法收敛快。实验结果证明了提出的基于遗传思想的改进混沌粒子群优化算法对多模医学图像配准具有有效性。     

基于面积投影的图像配准方法

针对低分辨率图像之间的配准精度问题,直接影响到超分辨率图像的重建质量.通常图像之间的平移和旋转,采用基于泰勒级数展开的迭代配准算法以及频域配准算法.传统的泰勒级数展开的迭代配准算法的配准精度取决于图像的低阶逼近误差及迭代过程中图像的插值近似运动变换所造成的误差.采用泰勒级数展开的配准算法进行了改进,以面积投影变换来替代原有迭代算法中的图像插值变换,这种图像变换算法更加符合图像的成像原理,仿真结果表明,算法能够有效提高低分辨率图像间平移和旋转角度的配准精度.     

基于极坐标和小波的印章配准方法

根据印章印文图像的特点,提出了基于极坐标和小波的印章配准方法,该方法基本思想是:将印章印文图像从背景中提出,然后通过外接矩形中心的偏差求得位移,外接矩形之间宽度之比和高度之比来求得缩放系数,最后在极坐标系内采用多尺度小波分解的方法求得旋转角度。试验证明本算法用于印章配准精度很高。     

基于小波变换和混合优化算法的图像配准

利用小波变换对图像进行多分辨率分解,用粒子群优化和单纯形结合的混合优化算法对最低分辨率图像进行配准,并仅用单纯形法对较高分辨率图像进行配准。粒子群优化算法全局搜索能力强,单纯形法能有效地进行局部搜索,将两种算法相结合,提高了图像配准的精度。利用小波变换性质逐步缩小搜索范围,提高了配准速度。     

基于混沌映射的图像Contourlet编码加密算法

针对图像Contourlet多级树集合分裂编码的安全性问题,利用混沌密码设计了一种新的图像加密算法。使用具有良好随机性、安全性的混沌映射构造置乱数组和混沌密钥流对图像进行加密,由两个步骤组成：基于有序扫描表的快速置乱算法;基于编码扫描输出比特的异或加密算法。经实验验证,该算法能对图像视觉内容达到良好的掩密效果,具有密钥敏感度高、加密速度快、安全性高的优点。     

条件数和Zernike矩在图像配准中的应用

提出了一种基于条件数和泽尼克矩的图像配准算法。首先用Harris角点检测器提取特征点并通过条件数去掉一些伪特征点;用改进的Zernike矩作为特征点的描述子,通过比较各个特征点圆形邻域泽尼克矩的欧式距离得到初始匹配点对;用RANSAC估计待配准图像和基准图像之间的变换参数,实验表明,该算法在图像存在比例缩放、旋转等情况下有很好的配准效果。     

一种基于互信息的图像频域配准算法

图像配准是多源图像分析的关键步骤,是图像应用的基础。频域配准方法具有配准精度高和速度快的优点。P.Vandewalle的频域配准算法明显优于其他频域算法和一些空间域算法,对该算法进行了改进,仅使用了一半图像频谱灰度,在对分块后的频谱灰度进行分析时引入了互信息理论,实现了配准精度更高、速度更快的基于互信息的图像频域配准算法。     

人眼视觉感知特性的非下采样Contourlet变换域多聚焦图像融合

目的针对传统的单特征融合方法不足以衡量像素清晰度的问题,同时综合考虑非下采样Contourlet变换(NSCT)系数特点及人眼视觉感知特性,提出一种基于NSCT的多聚焦图像融合方法。方法首先对来自同一场景待融合的源图像进行NSCT变换;然后对低频分量采用基于局部可见度、局部视觉特征对比度和局部纹理特征的综合特征信息进行融合;对高频分量采用基于邻域和兄弟信息归一化的关联权重局部视觉特征对比度进行融合;最后进行逆NSCT变换得到融合图像。结果将本文方法与传统离散小波变换(DWT)、移不变小波变换(SIDWT)、CT(Contottral变换)、NSCT及基于邻域和兄弟信息的NSCT域多聚焦图像融合方法进行了实验对比,本文方法能获得更好的视觉效果以及较大的边缘信息保留值和互信息值。结论定性和定量的实验结果表明了本文方法的有效性。     

基于频域的遥感图像互信息配准方法

针对直接利用互信息进行图像配准存在的误差和插值假象问题,结合图像的频谱特性提出了基于频域的互信息计算方法,引入退火的思想改进了梯度上升法,利用它迭代搜索互信息最大值,使用相关长度估算最佳参数域,使得参数初始化更接近于最大值。实验结果表明,该方法对于多谱段遥感图像,较之传统方法具有明显的收敛性和稳定性。     

基于Contourlet变换的红外图像去噪技术

研究了一种基于Contourlet变换的红外图像去噪技术。在Contourlet域中使用硬阈值函数对Con-tourlet变换后的系数进行处理,经反变换即可得到较好的去噪图像。实验结果表明:与传统的小波阈值去噪方法相比,该方法能够更有效地保留红外图像的细节和纹理,具有更好的视觉效果和较优的信噪比。     

基于Contourlet的图像PCA去噪方法

提出了一种通过主分量分析(PCA)对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换,它除了具有一般小波变换的多尺度、时频局域性外,还具有多方向性、各向异性等特征。因此,Contourlet能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上,而在Contourlet变换系数中,通过建立数学模型对噪声方差进行精确的估计是很困难的。算法无需对噪声方差进行估计,更具有实用价值。实验结果显示,与小波软、硬阈值去噪算法和基于小波的图像PCA去噪方法比较,该算法不仅提高了图像的信噪比,而且图像视觉效果也明显改善。     

基于非抽样Contourlet变换的红外图像增强算法

提出了一种基于非抽样Contourlet变换的红外图像增强算法,利用非线性函数对红外图像Contourlet变换系数进行修正,以增强图像有益贡献的同时抑制噪声分量.实验表明,与传统的图像增强算法相比,该算法可以有效地增强红外图像的细节和纹理.     

多聚焦图像融合的Contourlet变换方法

Contourlet变换（Contourlet Transform,CT）是一种新的多尺度变换,具有良好的多尺度性和多方向性。提出了一种基于Contourlet变换的多聚焦图像融合算法,同时引入Cycle Spinning来有效地消除由于Contourlet变换缺乏平移不变性而产生的图像失真。实验结果表明该算法可获得较理想的融合图像,取得了优于laplacian塔型方法和小波变换方法的融合效果。