医学图像配准算法研究

研究图像配准精度优化问题,医学图像由多种图像结合,利用图像各自的特点进行融合.图像配准技术一直被广泛应用在医学图像和遥感图像领域中,针对传统的图像配准算法效率和精度较低等不足,为了提高医学图像配准的准确度,提出了一种将改进的最大熵算法并应用到图像配准的优化过程中,算法首先将输入的待配准图像进行灰度处理,对灰度值进行初始化,然后采用遗传算法的选择、交叉和变异操作对图像进行平滑,并选择最优值,最后采用最大熵算法对图像进行配准选择,算法有效克服了传统遗传算法容易陷入局部最优的缺点.仿真结果表明了改进的算法有效的提高J图像配准的精确度,验证了改进算法是有效的图像配准方法.     

基于Powell算法与改进遗传算法的医学图像配准方法

针对基于互信息图像配准的局部极值问题,提出一种基于Powell算法与改进遗传算法结合的医学图像配准方法。该方法对标准遗传算法存在的收敛速度慢、易早熟、有可能导致误配的缺陷,提出了相应的改进策略; 采用Logistic混沌映射生成迭代过程中的个体; 运用基于小波变换的多分辨率分析策略,采用混合优化算法在图像的最低分辨率层进行全局优化,以全局最优值,结合Powell算法完成医学图像配准。实验结果表明,所提方法可有效避免优化算子陷入局部极值,并提高了配准速度; 相对于纯Powell方法和未改进的遗传算法,配准的精确度和性能更好。     

基于CUDA加速的图像配准算法

针对传统图像拼接算法速度较慢,难以满足获取大分辨率全景图像的实时性要求,本文提出一种基于CUDA的快速鲁棒特征(speeded-up-robust features, SURF)图像配准算法,从GPU线程执行模型、编程模型和内存模型等方面,对传统SURF算法特征点的检测和描述进行CUDA并行优化;基于FLANN和RANSAC算法,采用双向匹配策略进行特征匹配,提高配准精度.结果表明,相对串行算法,本文并行算法对不同分辨率的图像均可实现10倍以上的加速比,而且配准精度较传统配准算法提高17%,精度最优可高达96%.基于CUDA加速的SURF算法可广泛应用于安防监控领域,实现全景图像的实时配准.     

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.     

非下采样轮廓波域红外与可见光图像配准算法

针对灰度和对比度存在较大差异的可见光图像与红外图像的配准问题,提出了一种基于非下采样轮廓波变换的多分辨率配准方法。该方法分别对可见光图像和红外图像进行非下采样轮廓波分解,引入梯度归一化互信息作为配准图像的相似性测度,利用基于种群成熟度描述的自适应确定交叉和变异比率的改进遗传算法作为搜索策略,对高尺度低频图像进行粗配准。然后,根据粗匹配结果在低尺度低频图像上进行进一步配准,最终实现全分辨率条件下红外和可见光图像的配准。实验结果表明,提出的算法能够有效提高配准精度和速度。     

粒子群与改进的鲍威尔算法相结合的多分辨率三维医学图像配准

为克服传统基于互信息的多模医学图像配准算法容易陷入局部最优的问题,提出了一种改进的多分辨率三维医学图像配准算法.该算法通过高斯滤波将三维医学图像进行多尺度化,形成多分辨率图像金字塔,以Mattes互信息作为配准框架的相似性测度.在图像金字塔的低分辨率层使用粒子群优化算法进行全局变换参数的搜索,然后以全局变换参数作为高分辨率层配准的初始参数,并以鲍威尔优化算法进行优化,完成最终的三维医学图像配准.实验结果表明,改进的算法不仅使待配准两幅图像空间位置对齐,而且较传统互信息算法提高了配准精度,鲁棒性更强,有效地解决了基于互信息的配准算法陷入局部最优的可能.     

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。     

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。     

基于混合仿射模型配准的IBP超分辨率重建

针对传统的配准只考虑几何因素的不足,提出一种基于几何和光度混合仿射模型的配准迭代算法。该算法避免keren算法因为角度的泰勒级数展开所带来的误差,大幅提高配准精度,而且使图像亮度得到保持。与传统的仿射变换相比,平均平移误差精度达到了0.165个像素。采用迭代反投影算法对配准后的图像序列进行超分辨率重建。实验结果表明,超分辨率重建结果的信噪比和结构相似度有了较大提高。     

亚像元配准技术研究

为了获得高精度的图像运动参数估计,需要比较各种传统的图像配准算法的优劣并改进它们以满足需求.为此综述超分辨率重建中的图像配准算法,指出各种配准算法的特性,同时结合实验分析了不同的配准算法进行运动参数估计时的精度.提出基于遗传算法的亚像元参数估计方法,数值实验结果表明了该方法的有效性,同时对图像配准参数估计算法对噪声干扰的稳健性通过实验进行了讨论.     

自适应遗传算法在多模图像配准中的应用

提出一种改进的自适应遗传算法并应用到多模图像配准的优化过程中,解决经典遗传算法后期存在的收敛过早的问题,该方法采用进化前后期分别调整交叉概率和变异概率、二次交叉以及移民策略等来克服传统遗传算法容易陷入局部最优的缺点.实验结果表明该算法具有一定的可行性和有效性.     

基于最小生成树的图像融合算法

研究遥感图像融合精度问题。图像融合存在含有冗余和互补信息,造成清晰度降低。针对传统的图像配准算法精度较低,为了提高遥感图像融合的准确度,提出了一种最小生成树遥感图像配准算法,将最小生成树算法应用到图像融合的优化过程中,算法首先提取均匀子采样点集,并在此基础上构造最小生成树,然后使用最小生成树来估计熵,对遥感图像进行配准,最后将图像间的边缘梯度信息融入到融合框架中。算法有效地克服了传统图像融合算法的缺点,仿真结果表明,改进算法有效地提高了图像融合的精确度,并为遥感图像融合提出了有效依据。     

航空遥感图像拼接算法及其精度评价

针对航空遥感成像范围小、视差角大的特点,提出一种航空遥感图像拼接算法。通过估算图像相对方位矩阵,使用透视变换实现图像校正,解决大视差角下的畸变问题。利用SIFT算法和基于概率密度的错误匹配点剔除方法,实现高精度图像配准,并通过小波变换完成图像融合工作。实验结果表明,在不同地表情况下,该算法的拼接性能均优于传统SIFT算法。     

基于Hausdorff距离的图像配准快速算法

在图像配准过程中,传统Hausdorff距离算法的计算量较大。针对该问题,提出一种基于Hausdorff距离的图像配准快速算法。将参考图像和待配准图像进行边缘检测,在待配准图像上任意选取一个模板,通过设定一个变化的阈值对Hausdorff距离算法进行改进,以减少不必要点的计算,实现快速匹配,并根据匹配数据,对图像进行尺度变换及旋转操作,使2幅图像能在空间上配准。实验结果表明,与传统的配准算法相比,该算法的计算复杂度较低。     

Automatic Range Image Registration in the Markov Chain

In this paper, a novel entropy that can describe both long and short-tailed probability distributions of constituents of a thermodynamic system out of its thermodynamic limit is first derived from the Lyapunov function for a Markov chain. We then maximize this entropy for the estimation of the probabilities of possible correspondences established using the traditional closest point criterion between two overlapping range images. When we change our viewpoint to look carefully at the minimum solution to the probability estimate of the correspondences, the iterative range image registration process can also be modeled as a Markov chain in which lessons from past experience in estimating those probabilities are learned. To impose the two-way constraint, outliers are explicitly modeled due to the almost ubiquitous occurrence of occlusion, appearance, and disappearance of points in either image. The estimated probabilities of the correspondences are finally embedded into the powerful mean field annealing scheme for global optimization, leading the camera motion parameters to be estimated in the weighted least-squares sense. A comparative study using real images shows that the proposed algorithm usually outperforms the state-of-the-art ICP variants and the latest genetic algorithm for automatic overlapping range image registration.     

一种基于遗传算法的图像配准算法研究

针对图像位置配准问题,提出了一种基于遗传算法的图像配准算法。选择合适的相似性参数来表征两图像的配准参数,引用遗传算法实现对相似性参数的优化,通过对比实验得到的种群大小、遗传代数和运算时间,最终用MATLAB编写程序对本算法进行实验。实验结果表明该算法相对传统算法具有较好的收敛性和运算速度,同时也具有较好的精确度和实用性。     

改进的自适应免疫遗传算法在图像增强中的应用

针对传统图像增强方法中图像细节丢失、图像对比度不明显以及方法普适性差等缺点,提出了一种自适应免疫遗传算法用于图像增强。该算法与传统遗传算法的不同在于引入免疫算子抑制优化过程中出现的退化现象,根据个体适应度自适应调整遗传算子的概率值和基因变异位数,从而增强了种群多样性,提高了算法快速性和全局收敛性。实验结果表明：基于该算法的图像增强具有图像细节清楚、对比度强、方法普适性强等优点。     

空域和频域相结合的景象匹配算法

针对数字景象匹配中采用单一算法所存在的问题,提出了采用归一化积相关和相位相关二者结合的复合匹配算法,实现了优势互补,有效地提高了数字景象匹配的概率和精度,为了进一步改善匹配性能,还运用侧抑制竞争技术提取图象边缘,采用适当降低分辨率的策略来提高运算速度,使其更接近实际工程应用,仿真证明,该方案较为成功。     

利用风格迁移和特征点的多模态图像配准算法

由于多模态遥感图像在光谱成份上存在巨大的差异,传统图像配准算法在该类图像的配准中正确率非常低.针对这一难题,提出了一种利用风格迁移和特征点的图像配准算法.首先,利用卷积神经网络对基准图像的风格特征以及待配准图像的内容特征进行抽取并重新组合,得到一幅与基准图像差异性较小的生成图像;其次,通过图像分割的方法分离出待配准图像...     

An Adaptive Fuzzy-Inference-Rule-Based Flexible Model for Automatic Elastic Image Registration

In this study, a fuzzy-inference-rule-based flexible model (FIR-FM) for automatic elastic image registration is proposed. First, according to the characteristics of elastic image registration, an FIR-FM is proposed to model the complex geometric transformation and feature variation in elastic image registration. Then, by introducing the concept of motion estimation and the corresponding sum-of-squared-difference (SSD) objective function, the parameter learning rules of the proposed model are derived for general image registration. Based on the likelihood objective function, particular attention is also paid to the derivation of parameter learning rules for the case of partial image registration. Thus, an FIR-FM-based automatic elastic image registration algorithm is presented here. It is distinguished by its 1) strong ability in approximating complex nonlinear transformation inherited from fuzzy inference; 2) efficiency and adaptability in obtaining precise model parameters through effective parameter learning rules; and 3) completely automatic registration process that avoids the requirement of manual control, as in many traditional landmark-based algorithms. Our experiments show that the proposed method has an obvious advantage in speed and is comparable in registration accuracy as compared with a state-of-the-art algorithm.