基于多参数配准模型的脑核磁影像分割算法

配准技术在基于多图谱的分割方法中能有效地将医学图谱的先验知识融入分割过程,再结合以高效的标记融合算法,最终实现精确地自动分割.针对图谱配准的较大误差及其对标记融合的重要影响,本文建立了一种新的概率图模型框架并以此提出了基于多参数配准模型的分割算法,将此方法与高效的标记融合算法相结合,可以提高目标图像中特定组织区域的分割精度,更使其在少量图谱分割的情形下具有重要应用.首先,使用多种配准参数对所有目标图像进行配准;然后,分别采用不同的算法对配准图像进行灰度融合和标记融合,实现训练图像的重构过程;最后,利用高效的标记融合算法对重构后的图像进行融合得到最终精确的分割结果.实验结果表明该方法均优于本文其他分割算法,能够有效提升脑部组织分割精度.

一种基于改进粒子群优化的点云配准算法

针对FPFH-ICP算法经验参数较多,难以通过人工调节获取最优配准参数,达到最优配准精度的问题,本文提出一种基于改进粒子群优化(Particle Swarm Optimization, PSO)的PSO-FPFH-ICP算法。算法以最小化配准后的均方根误差(Root Mean Square Error, RMSE)为目标,通过改进的粒子群优化算法不断对配准参数进行调节择优,最终获取限制区间内最佳的参数,从而提升算法的自动化程度和精确度。通过普林斯顿大学提供的3DMatch中的子数据集SUN3D,共四对不同场景点云进行六次重复实验,并与常用的FPFH-ICP、RANSAC-ICP以及4PCS-ICP三种点云配准算法进行比较。本文算法相较于FPFH-ICP平均RMSE降低了9.010 mm,相较于RANSAC-ICP降低了8.606 mm,相较于4PCS-ICP降低了7.322 mm,并避免了繁杂的人工调参过程,证明了本文算法具有高自动化和精准配准的特性。

朝鲜族建筑虚拟场景重建中配准质量优化仿真

对建筑虚拟场景重建中参数配准的研究,能够有效的提升建筑质量和建筑特色,达到提高参数配准质量的目的。对建筑重建中的参数进行配准,需要先获取基于像素迁移的相似性匹配准则,构建建筑图像特征矩阵,完成对场景重建中的参数配准。传统方法先对图像特征点进行检测,生成图像特征描述符,构建建筑特征数据点集,但忽略了构架特征矩阵,导致参数配准精度低。提出基于聚类的朝鲜族建筑虚拟场景重建中参数配准方法。融合于几何约束的能量方程得到图中各个顶点结构稳定的三维面片,并赋值给对应顶点在三维空间中的坐标值,获取基于像素迁移的相似性匹配准则,并构建Hessian图像特征矩阵,给出图像特征点的主方向,完成对朝鲜族建筑虚拟场景重建中参数配准。实验结果表明,所提方法匹配精度较高,可以为提升朝鲜族建筑的建筑质量和建筑特色奠定基础。

医学图像配准综述

医学领域,医生需要比较不同的解剖影像信息和功能影像信息。将对应于同一物体的不同影像的像素点对应起来就是医学图像配准的主要任务。鉴于需要配准的图像的采集的方法和时间等方面不同,配准所采用的方法也不同。本文介绍了医学图像配准的新近方法。首先从图像配准的任务出发,介绍了配准过程的主要涉及的方面和配准流程。然后从配准时变换的参数角度考虑,将图像的配准分成两大类考虑:参数配准和非参数配准。每一类中给出基本的配准方法,并讨论其用法和特点。对参数配准,主要讨论它们各自不同的方法和适合处理的图像对;对非参数配准,侧重于考虑控制方程的由来和整体外力的计算。

采用改进梯度互信息和粒子群优化算法的红外与可见光图像配准算法

针对传统互信息图像配准容易产生局部极值,以及传统梯度互信息配准方法计算量大等问题,在互信息和梯度方法基础上构建了一种改进的梯度互信息方法,该方法直接统计梯度图像的互信息,有效地将图像梯度信息和灰度信息结合起来,不仅保证了配准精度,而且较传统梯度互信息方法减少了计算量。在参量优化的过程中,针对传统粒子群优化算法易陷入局部极值的缺点,提出了改进的粒子群优化算法,该算法在传统粒子群优化算法基础上引入混沌优化思想和遗传算法中的杂交思想,不仅能够有效抑制局部极值,而且加快了收敛速度。多种红外与可见光图像配准实验结果证明,文中提出的算法能够有效提高配准精度和速度。

基于轮廓提取的医学图像配准方法

提出一种基于轮廓提取及循环迭代的估计医学图像间配准参数的方法,并构造了评价函数用于指导循环迭代过程.通过对实际医学图像进行实验,结果表明这种方法不仅适合单模态医学影像的配准,也非常适合多模态医学影像的配准.

基于改进配准测度的红外与可见光图像配准

针对在可见光与红外配准中采用传统测度算法时存在配准精度低的问题,提出了改进配准测度函数(RMF),实现可见光和红外图像高精度自适应配准。首先选用harris算子提取两幅图像的特征点;再利用改进的配准测度函数(RMF)有效的获取特征点对;最后利用RMF最大的两对匹配点计算配准参数,并进行图像配准。实验结果证明了该方法的实用性,特别对于任意旋转角、缩放比例和偏移量的图像配准。

顾及灰度和梯度信息的多模态影像配准算法

基于特征匹配的多模态影像配准方法无法达到像素级配准精度要求。本文研究了一种顾及灰度和梯度信息的多模态影像配准算法。基于马尔科夫随机场(MRF)的非参数化配准模型充分利用多模态影像的图像信息进行相似性测量,同时考虑了灰度及梯度统计信息,求解方法上对值空间进行离散化,提高收敛速度。通过3组多模态影像的配准试验,验证了该算法的可行性。试验表明:本文算法的配准效果优于基于人工刺点的多项式模型配准和只考虑灰度信息的多模态影像配准;与此同时,该算法对于较大形变的影像配准也具有一定的适用性。在空间精度方面,平均配准误差小于1个像素,最大配准误差小于2个像素。

基于分块互信息的图像配准

针对传统互信息缺乏利用空间信息而容易导致误配的缺点,提出了基于分块互信息的多模图像配准方法,并运用于可见光与红外图像之间的配准。该方法首先将可见光与红外图像分块,求得每个可见光与红外图像块对的互信息,并由块对中可见光与红外图像的质心间的距离为参数,确定块对的配准系数,求得每个块对的互信息与配准系数的乘积的和,定义为分块互信息,并以此为配准准则。实验表明,该方法运用与可见光与红外光配准,在配准精度上优于传统互信息方法。

非专业弱关联影像的地理配准及其精度评估

由非专业弱关联影像自动化构建的三维地理空间模型是地理空间信息的重要来源。非专业弱关联影像在三维重建后必须经过地理配准,具有了绝对地理空间坐标系的位置信息及其准确的空间精度信息后,才有可能成为有效的地理空间信息。本文提出了一种以相机GPS模块获取的地理空间坐标为依据的理配准方法,依据影像的地理空间坐标和其三维重建后得到图像空间坐标的空间相似性,考虑GPS实时测量坐标精度较差和高程测量值不稳定的特点,采用RANSAC方法求解二维和三维两种空间变换参数及地理配准结果。利用差分GPS测量的影像位置数据对地理配准的精度进行了分析,给出了位移、旋转和缩放等误差的定量评估结果,分析了产生错误结果的原因。这种地理配准方法对数据采集设备要求低,过程无须人工参与。试验证明,在参与地理配准运算的照片数量较多时,配准结果正确、空间精度较高。

基于角点检测法的图像配准

采用角点检测算法,对图像中任一像素点和以它为中心的圆形区域USAN进行图像配准,将边缘提取和轮廓跟踪过程融为一体,并通过沿圆弧曲线扫描获取角点信息建立图像间角点的对应关系,由此得到初配准参数,且使用迭代过程以提高配准的精度。试验证明,该算法对图像间的旋转角度没有限制,配准精度高而且计算量小。

基于改进身份认证协议的单点登录系统研究

研究基于改进身份认证协议的单点登录系统,提高系统的身份认证的速度.针对单点登录系统中进行身份认证时,如果用户数据量过大,导致用户需要逐个核对数据库中的身份信息,造成的身份核对方法耗时,延长了单点登录系统身份认证的时间.为了避免上述问题,提出了一种基于改进身份认证协议的单点登录系统.利用线性回归方法,对用户数据进行融合处理.通过非线性传输参数方法将融合后的信息传输到服务器中,并利用参数配准和身份认证技术将其与数据库中数据进行配准,避免传统方法大规模比对带来的缺陷,提高了身份认证的速度.实验证明,该方法能够提高身份认证的速度,效果令人满意.

一种快速可重用的三维头发模型建模方法

目的提高三维头发模型建模效率和真实感,实现模型快速重用。方法提出一种基于统一头皮网格参数域的快速可重用的三维头发模型建模方法。在创建统一头皮网格参数域的基础上,采用发型约束控制发丝形变、从而构建原型头发。通过头皮网格约束域和虚拟角色模型参数实现发型约束参数迁移,允许原型头发的快速重用。结果与现有方法相比,该方法能够利用原型头发建模阶段的发型约束参数实现原型头发快速重用,避免了重用时再提取原型头发特征的过程。结论能够创建造型丰富的三维原型头发模型,并在不同虚拟角色模型上实现快速重用。

弹载俯冲非正侧阵雷达杂波特性与抑制方法

相对于平飞运动雷达,俯冲运动垂直向下的运动分量会引入额外的多普勒频率,对杂波的空时分布特性产生重要影响。本文针对弹载俯冲非正侧阵雷达,提出了一种俯冲运动空时信号模型,首先推导了多普勒频率与空间角度的耦合关系的一般表达式,并详细分析了在实际的阵面几何配置情况下,俯冲运动雷达杂波的空时分布特性,相应提出了适于俯冲运动的基于参数模型和配准补偿(parameter model and registration compensation,PM-RC)的杂波抑制方法。最后通过弹载雷达建模仿真分析了俯冲运动对杂波空时特性的具体影响,并验证了杂波抑制方法的有效性。

基于3D特征点的激光雷达与立体视觉配准方法

激光雷达和双目相机作为无人驾驶领域中重要的环境感知设备,两者之间的外参配准是其联合应用的重要基础,然而两种信息的融合意味着繁琐的校准过程。基于此,提出一种基于特征点对匹配求解的方法,采用两块矩形木板,分别提取双目相机与激光雷达坐标系下的木板边缘3D点云,拟合空间直线求取角点坐标,最后利用Kabsch算法求解配对的特征点之间的坐标转换,利用聚类法去除多次测量结果中的异常值,并求取平均值。通过搭建实验,所提算法可在Nvidia Jetson Tx2嵌入式开发板上实现,获得了准确的配准参数,验证了理论方法的可行性。此配准方法简单易行,可自动完成多次测量,相比于同类方法精度也有所提高。