基于遗传算法的非刚性体光流场估计方法

本文提出了一种可用于非刚性体的基于遗传算法 (GeneticAlgorithm ,GA)的光流场估计方法 ,将非刚性体分割为共同运动的微元 ,利用遗传算法对各运动参数进行优化估计 .随后 ,研究了该方法在生物组织运动估计中的应用 .实验结果表明 :本方法具有鲁棒性好、全局搜索能力强、收敛速度快和可用于非刚性体运动估计等优点 .

聚类匹配法光流检测中共同运动匹配策略的研究

本文将讨论可用于变形体的一种光流计算方法，它即是聚类匹配算法．在该技术中，共同运动的动态匹配策略是非常重要的问题，它的正确制定将保证序列图像特征点匹配的准确性．为此，该研究对聚类匹配的光流检测是极为重要的．

非刚性人体运动动作图像姿态轮廓提取算法

针对人体运动动作图像提取传统方法仅能获取局部最佳解,提取的特征序列不连续,导致轮廓提取效果差的问题,提出一种非刚性人体运动动作图像姿态轮廓提取算法.首先,对人体运动动作图像序列中的尺度不变特征变换(SIFT)进行提取预处理,获取人体特征提取图,设计一种人体运动序列顺序概率图模型,以保证特征序列提取的连续性;其次,构建人体肢体外观模型,基于该外观模型采用序列影像高精度轮廓提取算法提取当前人体运动动作帧的轮廓线.实验结果表明,该算法能提取连续的特征序列,提取的人体姿态轮廓精确度较高,且具有较高的效率和鲁棒性.

基于P样条和局部互信息的非刚性医学图像配准

针对互信息仅考虑两幅图像相应像素的灰度信息以及B样条变换模型存在形变场奇异点的问题,提出一种基于P样条和局部互信息的非刚性医学图像配准方法。该方法以局部互信息为相似性测度,采用P样条变换模型模拟待配准图像的几何形变,使用三次插值算法对图像像素进行赋值,结合对大规模参数优化效率高的LBFGS算法优化配准参数。较传统的B样条变换模型和互信息,提出的方法除计算时间外,其他三项指标更优,均方误差下降了89.25%,归一化互信息提高了11.04%,相关系数提高了5.64%。实验结果表明,该方法有效地提高了配准的精度。

基于互信息的Active Demons非刚性图像配准算法

非刚性图像配准技术在计算机领域中是一个重要的研究方向,也广泛应用在医学、天文和军事等领域。非刚性图像配准过程中,往往无法同时解决局部大形变和小形变的问题。针对此问题,结合归一化互信息图像配准的理论,提出基于互信息的Active Demons非刚性图像配准算法。该算法通过引入互信息来提高Active Demons算法的驱动力,同时采用待配准图像和原图像的互信息自适应地调节归一化因子α,再对医学图像、自然图像和合成图像进行测试仿真实验。实验结果表明:所提算法在配准精度和鲁棒性上优于原来的ActiveDemons算法,可以较好地处理大形变图像并保留其边缘特征,得到更好的配准精度和视觉效果。

基于特征点检测的CPD配准算法

文章针对非刚性配准CPD(coherent point drift)算法的过程中,计算复杂运行时间长的问题,提出了一种基于曲率特征点检测的配准算法。通过提取目标点集的特征点集,并对所提取的特征点集用CPD算法进行配准,可以使减少运算规模进而减少算法运行时间,提高了配准效率。