基于弦高点和遗传算法的仿射配准

针对复杂场景中目标由于成像畸变、部分遮挡和局部缺失难于识别的难题,提出了一种新的特征点—弦高点,将其和遗传算法相结合用于图像的仿射配准.算法首先给出了弦高点的定义,并证明了其仿射不变性;然后,应用遗传算法搜索模型和目标轮廓上两对对应点,以弦高点作为第三对对应点,求解最优的仿射变换矩阵;最后,对遗传算法搜索的结果再进行线性搜索,提高配准的精度.本文利用LTS Hausdorf距离(Least trimmed square Hausdorf distance,LTS-HD)进行度量,能有效克服部分遮挡或局部缺失的影响.由于采用遗传算法,并只需搜索两对对应点,配准的速度得到提高.理论分析和实验结果均表明,该算法能有效地进行仿射配准,并能处理部分遮挡或局部缺失.

基于局部仿射配准的鲁棒非刚体配准算法

针对传统点集非刚体配准算法对复杂局部形变数据配准精度低,收敛速度慢等问题,该文提出一种基于局部仿射配准的鲁棒非刚体配准算法。该算法采用分层迭代的方式由粗到精地完成点集的非刚体配准。在每层迭代中,首先对子形状点集集合和子目标点集集合进行分块处理并更新分块后每一类子点集的形状控制点。然后利用控制点引导仿射迭代最近点(ICP)算法求解对应子点集间的局部仿射变换。接着利用上一步求解的局部仿射变换,更新子形状点集集合及其形状控制点集合。直到配准误差收敛时,循环结束并输出更新后的形状点集。实验结果表明,所提算法与传统点集非刚体算法相比具有更强的精确性和收敛性。

基于吸引区域的多模态脑磁共振图像仿射配准

针对单个对象的多模态脑磁共振图像之间的几何形变较小的情形,为达到全局优化的目的,提出一种基于吸引区域的多模态脑磁共振图像仿射配准方法.把配准优化搜索过程分成两个步骤:寻找包含全局最小值的吸引区域和在吸引区域中进行最小值搜索.该配准优化使用吸引区域里目标函数的近似对称性予以实现.对于正常人群和脑胶质瘤患者群,进行了磁共振T1加权和扩散加权图像之间多模态配准实验,并使用两种相似测度对3种不同的配准方法进行评价,实验结果表明:该方法与传统的局部优化方法相比,配准后的相似性测度均有显著性改善.

融合CCCTI码和谱系聚类的仿射配准

针对复杂场景中目标由于成像畸变、部分遮挡或局部缺失难于识别的问题,提出一种新的仿射配准算法。首先给出了CCCTI码(cyclic code of corner and tangent and inflexion points)的定义,该码易于确定模型和目标轮廓上关键特征点的对应关系;其次利用关键特征点对轮廓进行分段,根据对应子曲线段的两端点及其形心估算变换矩阵,再引入谱系聚类法对所有估算矩阵进行聚类,降低最终估算矩阵的误差,且使算法适用于部分遮挡或局部缺失,提高算法的鲁棒性;最后计算能够聚类的对应子曲线段的总形心,并利用总形心与对应子曲线段的两端点再次估算变换矩阵,提高配准的精度。理论分析和实验结果均表明,该算法能有效地进行仿射配准,并能处理部分遮挡或局部缺失。

基于快速仿射模板匹配和改进仿射迭代最近点算法的人脸稳健精确仿射配准

提出了一种仅基于单个模板的人脸仿射配准方法。首先,为了克服人脸仿射变换而产生的局部形变,引入颜色特征来平衡模板人脸和目标人脸之间的颜色相似性和形状错配率,进而提出了一种基于颜色特征的人脸粗搜索算法。接着,采用人脸粗搜索算法得到的仿射变换作为初始约束,建立上步仿射约束下的人脸形状精确配准算法。在算法的每一步迭代中,利用前一步迭代得到的仿射变换,建立最近点的对应关系,并利用前步仿射约束下的目标函数求解新的仿射变换。本文算法成功解决了旋转、缩放和噪声干扰情况下人脸形状难以配准的问题。与传统人脸仿射配准算法相比,本文算法有效提高了人脸仿射配准的稳健性和精确性。

基于控制点一致性约束的点集仿射配准算法

提出一种基于控制点一致性约束的稳健仿射迭代最近点算法,该方法通过建立控制点约束下的目标函数,引导数据点集仿射配准到目标点集,建立数据点集和目标点集的最近点对应关系,采用随机抽样一致性方法筛选高精度形状控制点,实现控制点约束下的目标函数更新仿射变换。实验结果表明,与传统的图像点集仿射配准算法相比,所提算法的准确性和稳健性显著提高。

多回路联合配准误差估计

目的基于多回路图像配准的质量评估算法(assessing quality using image registration circuits,AQUIRC)通过构建多回路图像配准网络,可直接利用空间变换场信息估计配准误差。本文研究了AQUIRC算法估计仿射变换相关的配准误差的性能,旨在给出对该算法较为全面的认识。方法采用脑磁共振(magnetic resonance,MR)图像设计不同形变程度的旋转、缩放、错切、平移等线性变换构造模拟误差,并在无差别均匀采样的空间位置处分析AQUIRC算法估计的配准误差与目标配准误差(target registration error,TRE)的线性相关性,给出二者的区域分布情况。结果在旋转、缩放、错切误差实验中,算法估计的配准误差与TRE呈较强相关,且区域分布基本一致。在平移误差实验中,二者不存在线性相关关系。将平移变换与其他类型足够大的变换复合构造模拟误差,则可一定程度上提高二者的相关度。结论 AQUIRC算法能够准确估计旋转、缩放、错切变换相关的配准误差,但不能正确估计单一平移变换造成的配准误差。

基于交叉检验ORB和MCC的图像模板匹配算法

针对传统ORB算法在进行图像模板匹配时稳健性和精确性较低的问题,提出了一种基于交叉检验ORB和最大相关熵准则(MCC)的图像模板匹配算法。首先对模板图像和目标图像分别进行ORB特征点检测,得到模板特征点集和目标特征点集,并利用各点的特征描述符建立两特征点集间的对应关系;然后对建立好对应关系的特征点对进行交叉检验,利用特征点的邻域支持点集从正逆两个方向计算对应点对的准确性;接着在剔除准确性较低的对应特征点对后,通过优化基于最大相关熵准则的代价函数实现两特征点集的精确仿射配准;最终完成图像模板在目标图像中的稳健匹配。该算法在处理大姿态形变和低分辨率下的图像模板匹配问题时具有较强的精确性和稳健性,在公共数据集上的实验验证了该算法优于当前主流的图像模板匹配算法。

基于主动漂移矫正的运动目标跟踪算法

针对传统的图像仿射配准(Affine image alignment,AIA)算法无法有效兼顾算法效率和鲁棒性的问题,提出了一种快速鲁棒的新仿射配准算法—主动漂移矫正(Active drift correction,ADC)算法用于跟踪视频运动目标.该算法的基本思想是:通过引入一个漂移矫正项,来改进传统算法的目标能量函数,使算法具备抗漂移的能力,从而提高算法的鲁棒性.改进后的算法不需要传统算法中为增强鲁棒性而采用的许多复杂措施(如:被动漂移矫正).实验结果表明:本文提出的算法简单、有效,在不必牺牲算法效率和复杂度的条件下,可以获得比传统算法更好的鲁棒性.

主动漂移纠正跟踪算法研究

针对在视频图像目标跟踪应用中易发生模板漂移及算法计算效率低等问题,提出了一种新的基于主动漂移纠正的跟踪算法。算法中引入了目标跟踪项和漂移纠正项。通过在传统仿射配准算法中引入漂移纠正项,完善了传统目标跟踪表达式,解决了跟踪过程中经常出现的模板漂移问题,增加了算法的鲁棒性。实验结果表明,所提出的算法具有更高的计算效率,且具有更好的鲁棒性。

高维正交子空间映射的尺度点云配准算法

为了解决三维点云在无序、数据被遮挡以及噪声干扰情况下的配准问题,提出了一种高维正交子空间映射的尺度点云配准算法。根据能量-功率的比值,对待配准点云进行等比例放大,完成仿射配准。在点云无序、数据被遮挡、尺寸放缩以及噪声干扰的情况下,所提算法与经典ICP(Iterative Closest Point)算法的配准精度相当。与经典ICP算法相比,所提算法对Bunny点云数据的配准效率提高了98%,对Dragon点云数据的配准速度至少提高了20倍,且在对大尺度Dragon点云数据的配准中,所提算法的配准时间比经典ICP算法短6210.4 s,配准精度也高于其他算法。所提算法不会陷入局部最小值,在快速精确配准和稳定性方面有明显的优势。

基于典型相关分析的点云配准算法

提出了一种基于典型相关分析的点云配准算法。对目标点云和待配准点云进行中心化处理,将其绕坐标原点进行转动,两组点云满足各维度间相关系数平方值最大;采用典型相关分析法,对两组转动矩阵进行求解;使用转动矩阵,求解两点云间刚性变换的旋转矩阵和平移向量,实现了点云的配准。利用协方差矩阵特征值的比例开方值,对待配准点云进行等比例放大,完成了仿射配准。当点云无序、数据存在遮挡、缺失不完整、放缩及有噪声干扰时,仿真结果表明,相比于其他几种算法,所提算法能快速精确配准,且稳定性良好。