基于均值距离测度的医学图像配准

针对互信息测度在配准医学图像时易陷入局部极值、速度慢的缺点,提出了基于均值不等式的均值距离测度.首先根据均值不等式推导出5种均值距离测度：方根-算术均值距离(SAM)、方根-几何均值距离(SGM)、方根-调和均值距离(SHM)、算术-几何均值距离(AGM)、算术-调和均值距离(AHM).然后通过人体脑部CT/MR和MR-T1/PD图像的刚体配准实验,从函数曲线、配准精度、计算时间和收敛性能方面,对互信息与5种均值距离信息测度进行了比较与分析.实验结果表明,在不损失配准精度的前提下,AHM和SAM测度可以获得更快的配准速度,对噪声有很强的鲁棒性.     

一种红外与可见光图像的自动配准方法

针对红外和可见光图像配准问题,采用仿射变换实现图像的几何变换,利用Canny算子边界相关运算求出边界相关性最强时对应的仿射变换参数,从而有效地实现了对原始红外和可见光图像的自动配准。实验结果表明,该算法有效,可以应用于实际的红外和可见光图像配准中。     

基于混合Powell法的太赫兹/可见光双波段图像配准

提出一种改进Powell法结合遗传算法的混合算法,配准人体安检仪的太赫兹与可见光双波段图像。针对被动式太赫兹图像特征点难以提取的问题,以互信息为相似性测度,通过遗传算法寻优获取7个仿射变换参数的近似解并将其设置为改进Powell算法的初始点,然后利用改进Powell法的局部搜索能力,得到7个变换参数的精确解。利用单一遗传算法、单一Powell算法和本文混合算法分别对两组太赫兹和可见光图像进行配准。以均方根误差为评价标准对配准结果进行评价。实验结果证明,相比于单一遗传算法和Powell算法,该方法达到了更高的配准精度。能进一步用于太赫兹与可见光双波段图像融合,以提高对衣物内藏匿物品的识别精度,增强太赫兹人体安检仪的实用性。     

基于角点的红外与可见光图像自动配准方法

针对红外图像与可见光图像的自动配准问题,提出了一种基于图像角点特征以及仿射变换模型的方法.利用Harris因子分别在红外图像和可见光图像上检测角点,并对两幅图像进行边缘检测,得到其边缘图像.通过角点邻域在边缘图像上的相关性,实现角点的粗匹配;通过角点的细匹配,从匹配的角点中选择两对匹配最佳的点作为仿射变换的控制点,得到仿射变换模型,并对待配准图像进行仿射变换,从而实现图像配准.实验结果表明:该方法运算速度快,可以很好地完成红外与可见光图像的自动配准.     

基于边缘与SURF算子的SAR与可见光图像配准方法

鉴于SAR(synthetic aperture radar)与可见光图像的成像机理存在很大差别,使得其同名特征的提取和配准十分困难,但在某些情况下,这两类图像的边缘存在一定的相关性。提出一种基于边缘与SURF(speed-up robust feature)算子的图像配准方法。通过适当预处理增强图像间的共性,采用综合性能比较好的Canny算子提取两幅图像共有的边缘特征,在边缘图像的基础上提取SURF特征;通过比值提纯法进行特征点粗匹配,RANSAC(random sample consensus)算法剔除误匹配点,计算仿射变换模型从而实现SAR与可见光图像的自动配准。实验结果表明:该算法的正确匹配率为100%,均方根误差为0.852个像素,配准精度达到亚像素水平。     

基于小波变换和混合遗传算法的医学图像配准

为了解决灰度图像配准中由于目标函数容易陷入局部极值而造成的误匹配问题,使参数随图像的NMI计算和多分辨率级数进行自适应调整,采用基于小波变换多分辨率策略,形成多尺度匹配模型,并将粒子群算法(PSO)作为添加算子,提出了以图像归一化互信息(NMI)作为相似性测度的混合遗传算法,对CT与MRI图像进行了配准。实验结果表明,该方法能够解决遗传算法早熟收敛问题,有效地克服信息函数的局部极值,实现图像的自动配准,具有匹配精确、鲁棒性好及效率高等优点。     

一种基于Canny边缘的红外与可见光图像配准算法

针对异源传感器在图像配准时如何精确地找到相应的匹配特征问题,结合红外图像与可见光图像的特征,利用2种传感器对同一场景成像时具有一定的边缘轮廓相似特性,提出了提取图像的Canny边缘,在边缘轮廓上根据边缘曲线上像素点的位置夹角的相似性寻找对应匹配点,通过仿真和实验数据与真实值的比较验证算法的有效性和配准的精度.     

基于算术-几何均值距离的多模态图像配准

根据图像灰度联合概率分布函数与图像相似程度之间的关系,提出了一种基于算术 几何均值距离的多模态图像配准新测度。与基于信息论的测度不同,新测度不再要求概率分布必须满足连续性的要求。实验结果表明,所提出的新测度比基于信息论的测度具有更强的噪声鲁棒性和计算量更小。     

基于特征点匹配的图像配准算法精度提升方法研究

图像配准是多种图像后续处理的基础,较为常见的有图像融合,图像拼接、图像的三维重建等,这些后续操作都需要在一个好的配准前提下才能完成,因此,对于图像配准精度改进的研究具有很重要的实际应用价值。对基于特征点匹配的图像配准算法提出了几个配准精度提升的方法,这些方法分别针对特征检测精度的提升和特征匹配精度的提升来达到图像配准精度提升的目的。     

结合Harris与SIFT算子的图像快速配准算法

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。     

基于Powell算法的亚像元配准方法

基于Powell优化算法和图像的金字塔分解,提出了一个新的亚像元运动参数估计方法.用参考图像和待配准图像构造的非线性最小二乘公式作为Powell算法的目标函数,并且以运动参数作为变量.由细到粗的多分辨率分解为准确的亚像元参数估计提供了基础.数值实验结果表明,该算法可以用于准确的稳健的亚像元参数估计,其不足之处在于运行时间比较长.     

改进SIFT变换与客观评价结合的图像配准算法

针对SIFT(Scale Invariant Feature Transform)算子在大幅复杂图像中提取的过多不稳定特征点及在只有少量重合区域下图像配准过程中出现的过多误匹配,导致图像配准精度下降。提出一种改进的SIFT算法,在对目标图像提取SIFT特征后,利用双向BBF(Best-Bin-First)匹配算法对提取的特征点进行匹配,采用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,通过随机抽取一致性算法(RANSAC)进一步筛选匹配点,并利用最小二乘法结合多项式近似拟合出变换模型,利用局部均方根有效值(RMS)评价映射矩阵与实际图像的误差,找出并删除引起误差的误匹配点,迭代至配准图像符合评价标准后,计算出精确变换模型。实验结果表明,该算法提高了大幅复杂图像在少量重合区域时的配准精度。     

一种基于相位相关的亚像素红外图像配准算法

图像匹配技术广泛应用于各种图像处理任务,如图像拼接、机器视觉等。通常匹配算法的精确度只能达到像素级别,但在很多图像处理任务如超分辨率重建中需要亚像素精度的图像配准。提出了一种基于相位相关的亚像素图像配准算法。根据两幅离散数字图像的相位相关矩阵中的最大值以及其附近若干点可以拟合估计出实际的峰值位置,进而实现两幅图像的亚像素运动估计。提出的算法针对热像仪采集的红外图像进行匹配实验,实验结果表明该算法精度相比通常的亚像素匹配算法较高,且具有更好的实用性。     

一种稳健的特征点配准算法

为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation,NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus,RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。     

基于聚类的相位相关运动估计方法

针对相机运动引起的图像序列运动的问题,提出了一种基于聚类的相位相关块匹配运动估计算法。利用Harris算子分别在相邻帧图像上检测角点,以参考图像角点为中心选取一个矩形块,将块匹配法与相位相关相结合来计算图像间的运动矢量。最后,对获得的多个块的平移量,进行空间聚类从而选取运动估计比较准确的点。实验结果表明：该算法配准精度能达到亚像素,稳定性较好。     

A Hybrid Preaching Optimization Algorithm Based on Kapur Entropy for Multilevel Thresholding Color Image Segmentation

Multilevel thresholding segmentation of color images plays an important role in many fields. The pivotal procedure of this technique is determining the specific threshold of the images. In this paper, a hybrid preaching optimization algorithm (HPOA) for color image segmentation is proposed. Firstly, the evolutionary state strategy is adopted to evaluate the evolutionary factors in each iteration. With the introduction of the evolutionary state, the proposed algorithm has more balanced exploration-exploitation compared with the original POA. Secondly, in order to prevent premature convergence, a randomly occurring time-delay is introduced into HPOA in a distributed manner. The expression of the time-delay is inspired by particle swarm optimization and reflects the history of previous personal optimum and global optimum. To better verify the effectiveness of the proposed method, eight well-known benchmark functions are employed to evaluate HPOA. In the interim, seven state-of-the-art algorithms are utilized to compare with HPOA in the terms of accuracy, convergence, and statistical analysis. On this basis, an excellent multilevel thresholding image segmentation method is proposed in this paper. Finally, to further illustrate the potential, experiments are respectively conducted on three different groups of Berkeley images. The quality of a segmented image is evaluated by an array of metrics including feature similarity index (FSIM), peak signal-to-noise ratio (PSNR), structural similarity index (SSIM), and Kapur entropy values. The experimental results reveal that the proposed method significantly outperforms other algorithms and has remarkable and promising performance for multilevel thresholding color image segmentation.     

基于Fourier-Mellin变换的气象卫星光谱图像配准

气象卫星光谱图像是气象科学和环境遥感科学研究的重要工具,而图像配准是气象卫星图像数据应用的前提。文章针对气象卫星光谱图像的配准问题,提出了一种基于Fourier-Mellin变换的自动配准方法。首先利用全球海岸线矢量图数据构造地标模板,地标模板是气象卫星光谱图像配准的参考图像;其次,根据云通道数据选择无云区域红外子图像,并利用Sobel算子对红外光谱图像提取边缘特征;最后利用Fourier-Mellin变换确定地标模板图像和红外边缘图像之间的仿射变换参数,从而实现红外光谱图像的配准。该方法本质是基于曲线匹配的思想,无需特征点提取,大大简化了配准流程。利用FY-2D气象卫星上获取的红外通道数据进行了实验,结果表明：该方法鲁棒性好,运算速度快,配准精度较高。