基于CCRE和PV插值的多模遥感图像自动配准技术研究

提出了一种基于交叉累积剩余熵(CCRE)进行多传感器图像配准的方法。在这类图像的配准中,不同类型的噪声以及失真对配准效果的影响是未知的,研究和评估了CCRE在卫星图像配准中应用的可行性。通过仿真和分析表明,采用CCRE作为相似性度量准则能够得到更好的配准效果。采用了一种新的优化方法,采用PV插值来计算相似性度量准则的梯度。在以前的应用中PV插值只应用在两幅图像的联合直方图的重建中。将PV插值应用到相似性度量准则的梯度中,从而可以直接基于PV插值应用优化过程。仿真表明这种采用CCRE作为相似性衡量标准,并且在优化过程中采用PV插值的方法能够获得比其他方法更好的配准效果。

以交叉累积剩余熵为准则的星载激光测高仪大光斑波形数据与地形匹配法

提出了一种基于交叉累积剩余熵的星载激光测高仪大光斑波形数据与地形匹配方法。根据星载激光测高仪大光斑回波波形信号包含地形结构信息的特性,将激光回波波形数据和数字表面模型(DSM)投影到统计特征空间,建立数据的统计特征向量,消除数据间维度差异,以交叉累积剩余熵为相似性测度匹配波形数据与地形的统计特征。试验结果表明,本方法能够较好地实现激光回波波形数据与地形的匹配,匹配精度达到一个像素以内。

基于交叉累计剩余熵的多光谱图像配准方法

针对传统互信息图像配准容易产生局部极值的问题,提出将双边滤波器和交叉累计剩余熵结合作为匹配算法,进行多光谱图像的配准。在这种配准算法中,首先针对多光谱图像特点,提出基于概率密度的双边滤波器边缘提取方法,其次采用交叉累计剩余熵代替互信息作为测度函数将参考图像与待匹配图像的边缘进行匹配。双边滤波器的特性是去噪保边,而累计剩余熵比香农熵更具一般性,且该函数可以有效地避免局部极值,去除噪声。实验证明,该方法鲁棒性好,配准效果明显。

SAR与全色图像快速配准算法研究

针对SAR和全色图像配准算法中,数据计算量大、配准时间长的问题,在Powell算法的基础上,提出一种并行优化方法,加快配准速度.引入交叉累积分布熵作为图像匹配测度的基础上,利用生存函数代替密度函数,统计大于某一灰度值的所有直方图信息,保持局部区域灰度信息的连续性,有效改善由噪声和计算误差引起的配准精度的损失.Powell算法可以将求解最优CCRE多参数极值的问题简化为一维极值问题,减少配准过程中迭代的次数,缩短配准时间.为了更快地完成配准,将串行配准算法中大量数据无关的计算部分,分配给多个线程执行,使大块的数据计算处理并行化,从而加快处理速度.实验表明该方法有较好的加速效果.

基于交叉累计剩余熵的图像配准中插值方法的改进

交叉累计剩余熵(CCRE)比传统互信息在配准强噪声图像时更具优势,但采用部分体积(PV)插值的CCRE在网格点容易产生局部极值,不利于变换参数的优化。针对该问题,研究基于3阶B样条函数的PV插值(BPV)、哈宁窗sinc函数的PV插值(HPV)和Blackman-Harris窗sinc函数的PV插值(BHPV)方法在CCRE中的应用,提出一种新的插值方法。该方法采用灵活的邻域中心,将插值点对联合直方图贡献的权重分散到临近的9个点上,并使用高斯函数作为PV插值的核函数,避免权重突变。实验结果表明,与BPV,HPV和BHPV插值方法相比,该方法对噪声图像的配准率较高,配准速度较快,更适合应用于CCRE的计算。

基于交叉累计剩余熵的多谱磁共振图像配准

针对传统互信息(MI)图像配准容易产生局部极值的问题,提出一种基于交叉累计剩余熵(CCRE)的多谱磁共振图像配准方法。首先,将参考和浮动图像压缩至5位和7位灰度级;然后,采用哈宁窗Sinc插值计算5位灰度图像的CCRE,并用Brent算法搜索CCRE得到预配准的变换参数;最后,从该变换参数出发,采用部分体积(PV)插值计算7位灰度图像的CCRE,用Powell算法进行优化,得到最终的变换参数。实验结果表明,该方法的鲁棒性相比直接采用PV插值的CCRE配准得到提高;配准时间比直接采用哈宁窗Sinc插值的CCRE配准节省了90%左右,且配准精度有所提高。该方法兼顾了鲁棒性、效率和精度,适合用于多谱图像配准。

一种改进的条件方差和医学图像配准

多模医学图像配准是将不同医学成像模式提供的影像信息进行融合的关键步骤。条件方差和(SCV)是一种新的用于多模图像配准的相似性测度,但SCV的主要缺点是它仅使用量化信息来计算联合直方图。基于此,设计了一种新的插值函数来计算联合直方图,从而提高SCV的性能。将改进后的SVC用于多模医学图像配准,并与归一化互信息(MI)、交叉累积剩余熵(CCRE)和原SCV进行了比较。实验证明,相比NMI、CCRE和原SCV,本研究方法能配准具有不同空间变换和噪声的图像,具有更高的配准成功率和鲁棒性。

改进的差分搜索算法的医学图像配准

基于互信息的医学图像配准具有精度高、鲁棒性强等特点,但互信息存在一定的局部极值,加上面对噪声图像时曲线往往不平滑,给优化过程带来了很大的困难。针对此问题,提出一种改进的差分搜索算法(modified differential search algorithm,MDSA),对交叉累计剩余熵(cross cumulative residual entropy,CCRE)进行寻优。该MDSA对原始差分搜索算法模型的搜索范围和迭代条件进行了改进,使得寻优过程更加稳定、高效。改进后的MDSA具有控制参数简单,不依赖于初始点选择,合理的搜索方向和边界控制策略等优势,有着优秀的全局和局部寻优能力。将该方法应用于医学图像刚体配准,结果证明MDSA相比差分搜索算法,能够有效地克服互信息函数存在的局部极值,提高了配准的成功率,具有较高的配准精度和较快的配准速度。

利用Ratio梯度和交叉累积剩余熵进行多源遥感影像匹配

提出将Ratio梯度与交叉累积剩余熵相结合应用于SAR影像与光学影像匹配以及不同传感器拍摄的SAR影像匹配。在这种算法中,首先针对SAR影像低信噪比与乘性噪声模型的固有特性,基于均值比率算法提取Ratio梯度,然后采用交叉累积剩余熵作为相似性测度对参考影像和待匹配影像的Ratio梯度图像进行匹配。交叉累积剩余熵利用累积分布函数代替密度函数有效克服了噪声对局部极值的影响,可以取得令人满意的结果。

基于交叉累积剩余熵和NSCT的多模式遥感图像配准

图像配准是图像变化检测、融合、拼接等技术的基础,在遥感图像处理领域具有广泛的应用。利用非抽样Contourlet变换(NSCT)在图像分解上的灵活性,交叉累积剩余熵(CCRE)对遥感图像进行配准的有效性,提出一种基于CCRE和NSCT的多模式遥感图像配准算法。首先对参考图像和待配准图像分别进行NSCT分解得到低频图像,然后采用CCRE作为相似性测度,利用牛顿法获得最优仿射变换模型的参数对图像进行配准。实验结果表明,本文方法能够较快的搜索到全局最优解,配准精度高,是一种有效的配准算法。