一种基于Hausdorff距离的图像配准算法

首先检测两幅图像中的角点,然后自适应地提取基准特征模板,再利用改进的基于特征强度响应空间的Hausdorff距离对基准模板进行初始匹配,最后通过区域相关法进行优化.算法不要求特征间的一一对应,也无需距离变换,实验证明这是一种快速有效的图像配准算法.     

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。     

基于LTS Hausdorff距离与遗传算法的图像配准方法

提出了一种基于LTS Hausdorff距离与遗传算法的图像配准方法。算法首先对参考图像和待配准图像进行压缩、二值化和边缘检测预处理,然后在此基础上结合遗传算法对待配准图像进行配准操作。     

一种遥感图象自动配准方法

遥感图象的配准是多项重要的图象处理工作(如图象融合、图象比较、图象计算等)的前提。该文提出了一种简单可靠的遥感图象自动配准方法,该方法利用待配准图象之间的灰度相关性,首先采用改进的有利算子(兴趣算子)自动地在基准图象上搜寻特征点,然后进行特征点匹配,在待配准图象上搜寻特征点的同名点,并按相关性的大小从中筛选出有效的控制点,构成不规则三角网(TIN),最后对三角网中的每一个三角形进行多项式拟合和插值变换。与传统的人工输入控制点方法相比,该文提出的方法具有更高的精确度,而且节省了人力和时间,实验证明具有一定的实用性。     

基于特征的hausdorff距离图像配准

针对图像配准问题,提出了基于Harris及SIFT(Scale-invariant feature transform)特征的Hausdorff距离方法来实现图像配准。首先利用harris角点检测和SIFT特征提取参考图像和待配准图像的角点,通过两种方法获得的角点在融合之后获得更大的角点搜索范围,再利用相似一致性匹配原则剔除错误角点,进而通过改进的Hausdorff距离算法完成图像的配准操作。结果证明,改进算法比传统Hausdorff距离算法运行时间更短,算法时间降低约45%,具有较强的抗噪声能力和旋转鲁棒性,提高了图像配准的效率和精确性。     

基于Hausdorff度量的快速图象匹配算法

借助于计算机形态学的膨胀运算,文章提出了一种基于Hausdorff距离的快速图象匹配算法.Hausdorff距离相似性度量简化为膨胀和累加运算两个步骤,与传统的Hausdorff距离计算方法相比,具有简单、快速的特点.仿真结果验证了所提出算法的有效性.     

基于Hausdorff距离的图形快速匹配

本文提出了一种快速的图形匹配算法。将图形的角点作为匹配特征，利用HU矩中的重心计算方法得到角点的重心作为原点，在此基础上运用金字塔算法缩放角点对重心的距离以适应图形的比例变化。运用Hausdorff距离计算图形间的相似度，实现了一种快速的图形匹配算法。实验中运用零件图形进行匹配，结果证明，本文中提出的匹配算法不仅具有一定的鲁棒性，而且匹配速度快，是一种高效率的匹配算法。     

基于最大互信息和相关法的医学图象配准

本文提出了一种医学图象配准的方法,该方法分两步第一步采用搜索最大互信息的方法对图象做粗配准,使得参考图象与待配准图象大致一致;第二步采用快速相关法对图象做精细配准,从而获得医学图象的最优配准.由于此种算法具有良好的扩展性,所以既可用于多模医学图象的配准,也可用于单模医学图象的配准.     

基于图像配准的零件轮廓修正方法

针对智能机床视觉系统提取待加工零件边缘轮廓时易受到背景干扰,导致其提取出的零件轮廓中包含异常区域的问题,提出一种基于图像配准的高精度零件轮廓修正方法。首先,从零件工程图与真实图像当中提取出零件模板特征点集与待匹配特征点集;其次,对仿射变换模型中的参数进行分解分析,并利用两图特征点集中的面积特征与边缘结构特征构建准则函数;然后,使用改进的遗传算法搜索两图像全局最高相似度所对应的仿射变换参数,在图像配准之后,再通过计算最优迁移后的模板轮廓点集与待匹配轮廓点集的分段Hausdorff距离来检测并替换待匹配轮廓中的异常轮廓段。实验结果表明,该方法能精确、稳定地检测出待匹配轮廓点集中的异常轮廓段,配准精度比联合特征均方和（SSJF）方法高出50%,修正后轮廓交接点处的距离不超过3像素值。     

基于边缘的图象配准改进算法

现有的图象配准方法对旋转处理比较困难,且处理效率不高。本文提出一种基于边缘的图象配准改进算法,该算法首先用小波的快速方法提取边缘特征点,通过线拟合模型消除噪声;然后得出特征点的边缘方向,定义“角度直方图”来估计两幅待配准图象间的旋转角,应用线性加权方法消除奇异点,最后得到图象间的精确变换关系。     

一种基于Hausdorff 度量的多传感器图像配准方法

描述了一种基于Hausdorff 度量的合成孔径雷达和光学图像配准方法。首先用基于低帽滤波的方法提取待配准图像的闭合轮廓。然后对较长的轮廓进行Hausdorff 度量初匹配, 并对初匹配的结果使用轮廓中心的相对距离比直方图聚束检测法进行一致性检测。最后, 在得到正确的闭合轮廓对后, 使用最小二乘法计算图像的变换参数。考虑到雷达图像的相干斑噪声以及多传感器图像成像时间造成的变形, 多传感器图像提取的轮廓会有一定的差别。而Hausdorff 度量对误差有很好的容忍性, 因此本方法可以对多传感器图像进行配准。     

图像匹配的鲁棒型Hausdorff方法

提出基于一种新型Hausdorff距离的鲁棒型图像匹配方法，首先对传统的各种Hausdorff距离所存在的缺陷进行了分析，然后根据这些缺陷提出了“鲁棒型”的Hausdorff距离，这一新的距离考虑了边缘点的位置，边缘点的总数，由有限点组成的伪边缘，出格点和边缘的遮挡等因素，从而使传统的缺陷得到了克服，对合成图像及实际图像的实验结果表,暖气 提出的Hausdorff距离测度比传统的Hausdorff距离测度更为有效。     

基于角点特征的自动图像配准

针对图像配准对时间和精度的需求,本文提出适用于角点特征的配准算法：提取两幅图像的角点构造三角形,计算三角形的角度,寻找两幅图像对应的相似三角形,用三角形的顶点坐标求得仿射变换系数,参考图像进行仿射变换,与待配准图像比较相似性,最大相似性对应的变换图像为配准结果。引入强角点和Harris角点对该算法进行验证。与Fourier-Mellin和基于RANSAC寻找匹配点对角点配准算法比较,实验数据表明该算法的快速准确,并具有一定的抗噪性。     

一种基于Hausdorff距离的图像匹配算法

在图像匹配过程中,经常有目标图像被遮掩、有缺损的情形,使识别过程较为困难。文章在提取边缘特征点的基础上,用部分Hausdorff距离的均值对图像进行相似性度量。仿真实验结果表明,对上述提到的小目标识别效果良好,速度也较快。     

基于图分割与Hausdorff距离的多分辨率影像匹配

针对具有复杂场景的航拍图像提出了一种基于图分割理论与Hausdorff距离的多分辨率影像匹配方法。在高斯金字塔图像模型中,低分辨率的图像通过图分割方法,充分考虑图像中的局部和全局的信息,提取到稳定和完整的图像区域边界,并以区域边界作为待匹配的曲线。再通过计算曲线的统计特性作为图像间待匹配特征,并由信号相关的度量方法粗估计出图像间全局仿射变换参数。利用粗估计的参数在高分辨率层次上进一步通过基于Hausdorff距离的匹配方法搜索到精确的变换参数。实验结果表明,该方法在较大变形和强噪音干扰的情况下对复杂场景的图像也能有效地完成匹配。     

基于ITK的医学图像配准的应用

医学图像配准是指对于一幅医学图像寻求一种空间变换,使它与另一幅医学图像上的对应点达到空间位置上的一致。一致是指人体上的同一解剖点在两张图像上有相同的空间位置。The Insight Toolk it(简称ITK)是一个具有较强功能的医学图像处理类库,主要用于医学图像的预处理、分割及配准。主要研究图像配准算法以及ITK在医学图像配准中的应用。为采用ITK实现的一个医学图像配准的实例,对医学发展提供参考。     

基于信息测度特征和Hausdorff距离的图像匹配策略

由于传统的图像匹配方法受到诸如景物的遮挡、光照和噪声的影响比较大，并且需要建立模板与图像间的对应关系，因而使实际图像的匹配变得困难。为了克服上述缺陷，以便快速地进行图像匹配，通过引入信息测度概念来提取边缘特征点，并基于修正后的：Hausdorff距离构造相似性测度，提出了一种基于信息测度和：Hausdorff距离的图像匹配策略。该策略不仅加快了匹配过程，提高了抗噪性能，而且能准确匹配遮挡图像，从而较好地解决了基于传统Hausdorff距离的图像匹配因噪声点、伪边缘和出格点而造成的误匹配问题。实验结果证明，该方法是正确有效的。     

A Note on Polynomials Based Image Registration

It is shown that the polynomials based image registration, which is widely used in remote sensing field, does not have a sound mathematical basis. In fact, there seems no theoretical basis for the polynomials based transform to outperform the affine transformation, a much simpler one, in image registration. If the transformation functions are polynomials of order n, the corresponding scene is shown to be in general the intersection of two curved surfaces of order n 1, in other words, a space curve. In some special cases, the scene is approaching to a plane. To our knowledge, such results did not appear in the literature previously.