基于Hausdorff距离图象配准方法研究

图象配准是图象融合的一个重要步骤 .为此提出了一种自动图象配准算法 ,该算法从两幅待配准的图象中分别抽取特征点 ,然后选用 Hausdorff距离对两特征点集进行匹配 ,得到点集间的仿射变换 ,从而实现图象的自动配准 .此算法以特征点而不是物体边缘计算仿射变换 ,大大降低了计算 Hausdorff距离的运算量 ;同时 ,基于Hausdorff距离的图象匹配只需要点集之间的对应 ,而无须点与点的对应 ,因而可以使用于存在较大物体形变的情况 ,即完成两幅差异较大图象的配准 .实验结果证明了算法的有效性 .

基于线性不变矩的特征图象配准算法研究(英文)

针对图象差异较大的光学图象与合成孔径雷达图象 (SAR)的特点 ,设计了一种基于特征的图象配准的算法 ,包括特征提取、匹配、控制点选取、变换系数计算和误差计算等步骤 在特征提取中 ,对于雷达图象需要进行预处理并采用LOG提取图象轮廓 在匹配算法中 ,以线性不变矩作为特征量 ,对现有基于图象轮廓特征的匹配算法进行了改进 采用上海浦东地区的Radarsat 1S2模式图象与LandsatTM 5波段图象作为待配准图象 实验结果表明 ,该方法可以较好地完成光学图象与SAR图象的配准 。

基于边缘的图象配准改进算法

现有的图象配准方法对旋转处理比较困难 ,且处理效率不高。本文提出一种基于边缘的图象配准改进算法。该算法首先用小波的快速方法提取边缘特征点 ,通过线拟合模型消除噪声 ;然后得出特征点的边缘方向 ,定义“角度直方图”来估计两幅待配准图象间的旋转角 ,应用线性加权方法消除奇异点 ;

机载模拟POLDER多角度图象配准(英文)

多角度成象对于获取多角度遥感数据是非常重要的。在对多角度数据进行分析之前，首先要对多角度图象进行配准。经过配准，可以识别出相同的地面目标。在配准过程中，一个主要的困难是由于观察角度的不同、双向反射变化及大气的影响造成的图象灰度变化。如何解决灰度变化的影响关系到图象的配准精度。我们在该文中介绍一种多角度图象配准过程，包括预处理、基于层次结构的图象灰度相关配准。为了去掉大角度造成的灰度变化，我们用改进的模板匹配进行配准。这种方法的优点是与配准模板灰度均值无关，只与灰度变化程度有关。配准过程中也同时考虑到纹理的变化。整个配准过程是沿着观测角度增大的方向进行的序列图象配准，以提高大角度图象配准精度。最后，图象的纠正采用局部自适应几何纠正以获得较满意的结果。我们用法国ＣＮＥＳ提供的ＰＯＬＤＥＲ飞机模拟多角度图象进行配准，并提取了小麦和水稻等植被的多角度信息。

基于分窗口相关的遥感图象配准方法

多源遥感数据的融合和综合应用必须实行严格的配准 ,若将通过选取控制点的传统方法 ,用于成象特性差异较大的图象间配准就存在较大的误差 ,为解决该问题 ,研究发展了一种基于分窗口相关的图象配准方法 ,即采用移动窗灰度相关的方法对图象上的每一点进行搜索 ,来寻找最大相关位置 ,以达到精确配准的目的 .通过将该方法应用于不同时相的 TM图象、SAR图象、不同成象方式和不同分辨率的 AVIRIS图象和航片间配准的实验表明 ,该方法能够有效地实现复杂图象间的精确配准 。

基于Gabor小波模型图象配准的计算视觉新方法

文章提出由两幅部分重叠图象估计物体平移、旋转和缩放新的计算视觉方法。该方法有以下特点：利用照明方向估计算子以获得摄象机旋转的起始估计；为检测局部表面曲率间断，利用Ｇａｂｏｒ小波模型定位特征点；平移及旋转的估计可公式化为线性问题；利用由粗到细的层级匹配能获得很好的结果。

一种用于图象配准的或图最佳搜索算法

本文在分析研究图象配准中的SSDA法的基础上,提出一种用于图象配准的或图最佳搜索算法,该法将窗口图及基准图的子图划分为n块,形成完整的有序或图,使图象配准问题变为用或图最佳优先搜索策略求最短路径问题,实现图象配准。实验结果表明,该算法控制简单,易于实现,比传统的直接算法计算量少,试验效果好。

时间序列脑功能成象中的图象配准

脑功能成象是研究脑科学和生命科学的重要工具 ,在对脑功能图象进行统计分析时 ,有必要对时间序列脑功能成象中的图象进行配准 ,研究采用修正的 Gauss- N ewton最优化方法 ,通过计算配准图象之间残差平方和的极值 ,实现了时间序列脑功能图象的高精度配准 .

基于轮廓特征的图象配准研究

图象配准的一个重要问题是多传器获取的图象配准，这些图象具有不同的灰度特征，用经典技术加区域相关等不能解决，基于轮廓在大多数情况下表达了区域的边缘信息，本文提出了基于轮廓特征的匹配方法，该方法采用区域边缘和其它强边界特征作为匹配对象，算法中参数估计理论，先用闭轮廓的特征在，现用开轮廓的突出部分进行校正。

图象几何变换与图象配准的关系研究

对图象几何变换、图象配准及其二者之间的关系进行了深入的研究与探讨，得出了“对于两帧来自同一视点具有不同内在参数的重叠图象之间的关系可用二维平面投影变换模型来描述”的结论，并给出了具体证明。

一种改进的基于轮廓的图象配准算法

图象配准是图象处理的一项重要内容。该文提出一种改进的基于轮廓的图象配准算法,将Hausdorff距离作为图象匹配的测度,采用基于Canny算子边缘检测和像素分析法相结合的特征点抽取算法,有效减少了特征点个数;选用混合编码遗传算法进行最佳形状匹配的搜索,得到两特征点集间的仿射变换参数,并有效避免了局部最小值的干扰,从而提高了解的精度。实验结果证明了该方法的有效性。

基于仿射变换模型的图象特征点集配准方法研究

图象配准是计算机视觉中目标识别的一种基本方法,其目的是在待识别图象中寻找与模型图象的最佳匹配.目前,对于图象间的变换为相似变换的情形已有闭合公式.本文则分别运用最小二乘和矩阵伪逆两种方法,对图象间的变换为仿射变换的情形进行了研究,并给出了简单的闭合公式.实验表明这种方法精确、稳定、受噪声影响小.

航空影象与地图的配准纠正

针对现有航空影象纠正软件存在的问题 ,提出了一种无数字地面模型支持的基于“图象与图形叠加配准”的纠正新方法 ,并介绍了基于索引彩色模式的图象与图形快速叠加技术 .对于影象纠正 ,在分析航空影象局部变形特点的基础上 ,提出了对局部变形进行纠正的经验公式 .最后 ,又将初纠正与局部纠正结合在一起 ,开发了一个完整的图象纠正软件 .同时还利用该软件对航空图象进行了纠正试验 ,纠正时共选择了 13个控制点 ,纠正后的图象与地图叠加显示出整体匹配很好 ,存在的残差也都在 2 pixel之内 .研究结果表明 ,该纠正方法是可行性的 。

图象特征点集配准的加权相关迭代算法

图象配准是计算机视觉中目标识别的一种基本方法 .其目的是在待识别图象中寻找与模型图象的最佳匹配 .该文以传统的 U meyam a点集相关度量为基础 ,结合 Procrustes正规化方法 ,通过引入加权矩阵 ,以得到新的相关度量函数 ,进而提出了一种图象特征点集匹配的新方法 ,解决了传统方法要求点集维数相同的缺点 .经过迭代运算 ,对存在几何失真 ,且维数不同的两点集可得到精确配准 .文中给出的点集配准结果说明 ,当两点集维数相同时 ,该方法不仅与传统的点集相关法一样 ,均可达到精确配准 。

基于联合直方图区域计数的时间序列图象自动配准方法

时间序列图象的配准是医学临床科研、诊断和治疗中图象应用的必要步骤 .为了快速、准确、简便地进行医学序列图象配准 ,提出了一种新的用于时间序列图象自动配准的方法 ,该方法利用了图象的联合直方图 ,首先通过对图象做简单的阈值分割 ,将联合直方图划分为 4个区域 ,然后根据不同的配准图象数据选择定义在不同区域上的计数值作为参数计算的准则函数 .该方法设计简单、巧妙 ,以计数方法代替其他方法中大量的浮点运算 .由于准则函数具有良好的光滑特性 ,且选择 Powell算法做最优化搜索 ,因此保证了优化结果的准确性 .和其他算法相比 ,该方法大大简化了准则函数的计算 ,从而显著提高了配准优化搜索的速度 .根据实验结果及基于互信息量方法做的对比 ,证明本文提出的方法准确、简便、快速。

椭圆匹配法及其在序列细胞图象3-D配准中的应用

在由序列医学切片图象重建三维细胞的过程中，对同一细胞在相邻切片中各剖面的配准是关键的一步。本文介绍一种借助转动惯量计算构造细胞剖面的等效椭圆并进一步对等效椭圆匹配以获得所需的几何变换进行剖面配准的自动方法。该方法已用于人体骨髓中巨核细胞的３－Ｄ配准并取得满意的效果。

一种应用Partial Hausdorff距离的多尺度图像配准方法

基于图像边缘特征提取的PartialHausdorff距离的配准方法,可以有效抑制由于多传感器的成像特性差异、边缘特征提取等原因对配准的影响。本文对基于PartialHausdorff距离的图像配准方法作了改进,采用多尺度的配准方法,避免了PartialHausdorff距离准则引起的无值和多值性问题,而且显著减少了计算量,实现了PartialHausdorff距离准则对于图像配准的优点。

基于互信息医学刚性图像配准方法的研究

目的:基于互信息的配准方法是医学图像配准领域的重要方法,具有鲁棒性,精度高等优点。本文探究医学刚性图像配准的有效算法和关键技术。方法:基于互信息配准方法,利用Powell多参数算法和改进的PV插值算法,得到两幅图像之间的最大互信息和最佳配准参数。结果:二维磨牙CT图像配准实验表明,配准速度快,精度提高,验证了插值方法的有效性。结论:方法和算法可提高配准速度,能有效抑制互信息目标函数的局部极值。

区域航拍图像重构中的配准与相互校正方法

图像配准与相互校正是区域航拍后续图像处理中图像重构的关键点和难点。针对区域航拍图像 重构的特点,提出了一种基于边缘匹配与三角形校正相结合的方法,为解决复杂环境、多变因素影响下的 航拍图像重构问题提供了一个新的途径。