基于传感器参数和改良CPD算法的红外与可见光图像点云配准

为实现前下视红外图像与可见光图像的有效配准,提出了一种基于传感器参数和改良CPD算法的红外与可见光图像自动配准算法.首先,利用传感器的姿态和高度信息,对前下视红外图像进行几何透视校正,消除图像间的旋转和比例缩放等差异;然后,对可见光图像和校正后的红外图像提取边缘特征点,基于相似变换模型,利用改良的CPD算法对其实现精配准.实测数据验证表明,该方法能实现对红外与可见光图像的良好配准,配准精度达到1个像素左右.

基于局部小波模式和一致性点漂移的多模医学图像配准

为提高多模医学图像配准的速度、精度和鲁棒性,本文提出一种基于局部小波模式(LWP)和一致性点漂移(CPD)的多模医学图像配准算法。首先提取图像稳定特征点,然后通过局部小波分解编码8邻域信息;接着变换中心像素值,使中心点像素构成的向量取值与小波分解向量取值范围相一致,通过比较中心像素变换向量与小波分解向量计算LWP描述子;最后把结合高斯混合模型后验概率和负对数似然函数的函数作为目标函数,利用一致性点漂移算法进行模型参数估计和空间变换。实验结果表明在图像存在噪声、灰度不均匀和初始误配的情况下,LWP-CPD算法的鲁棒性、配准精度和计算复杂度都达到很好的效果。

基于ISS特征点的快速CPD建筑物点云配准算法

针对大规模建筑物点云数据采用CPD(coherent point drift)算法进行配准时,计算复杂度增大的问题,提出了一种基于建筑物点云特征点简化数据的快速配准ISS-CPD算法。该配准算法采用ISS(intrinsic shape signature)算法求得建筑物点云的特征点,可减少建筑物点云的数据量规模,再对所提取的不同视角下建筑物点云的特征点用CPD算法进行配准。实验结果表明,改进的配准算法提高了建筑物点云的配准效率。

基于相干点漂移的图像配准算法

为解决图像配准问题,结合点集GMM建模思想和相干点漂移思想的影响,设计了一种新的点集配准目标函数。首先对特征点集进行归一化处理,然后利用似然函数梯度下降求解配准参数,同时剔除不满足匹配要求的溢出点,利用实际图像序列对算法进行了验证,结果表明该方法具有良好的性能。

基于ICP和CPD的颅骨自动配准算法

颅骨配准是计算机辅助的三维颅面复原技术的重要研究内容之一。颅骨配准的准确与否会直接影响到将来颅面复原的准确性。为此,提出一种新的3D颅骨自动配准算法。该算法考虑到颅骨模型的特殊结构与实现的简便性,首先自动提取颅骨不光滑区域的脊线(Crest lines)以及光滑区域的顶点作为特征点,然后利用迭代最近点(ICP)算法进行粗配准,在此基础上,再采用CPD(Coherent Point Drift)算法对颅骨进行精确配准。实验结果表明,该算法能有效提高颅骨配准的准确性并对缺损颅骨具有一定的鲁棒性。

一致分支点漂移算法

分支点是多传感器图像之间一种重要的关联特征,因此分支点匹配对多传感器图像配准有着十分重要的意义。基于CPD的基本思想提出了一致分支点漂移算法。针对分支点自身特点,提出了局部结构相容度的概念,用于度量和检验两个分支点的一致性程度;并将其作为匹配约束项嵌入到高斯混合模型分量的后验概率计算中,有效利用了分支点包含的分支边缘等结构信息,同时增强了算法对噪声和外点等干扰因素的抵抗能力,提高了分支点匹配的收敛速度。实验结果表明,提出的一致分支点漂移算法比CPD算法能够更快收敛到最优参数集上,同时得到的分支点配准精度更高。

基于相对相位直方图的数字表面模型数据与遥感图像配准

针对数字表面模型(DSM)数据与可见光遥感图像信息融合的实际需求,提出了一种基于一致点漂移算法(CPD)与相对相位直方图(RPH)的两级配准策略来实现上述数据与图像的自动配准。首先,利用Canny算子提取图像边缘,将边缘点作为CPD算法的输入,实现两幅图像的粗匹配,从而得到初始对应点集并估算尺度因子;然后,定义了一种鲁棒且具有旋转、平移不变性的区域变化信息描述子-RPH,其在粗匹配结果的保障下还可以实现尺度不变性;最后,根据尺度因子在两幅图像中分别定义圆环模板,并利用RPH测度完成DSM图像与可见光遥感图像精配准。实验结果显示,使用RPH测度进行精配准后,基于CPD算法的粗匹配结果得到了有效校正,在数据自身存在透视失真情况下,算法配准误差约为2pixel,能够满足DSM数据与遥感图像信息融合的需求。

基于谱对称的形状配准方法

针对现有三维形状配准方法中存在左右翻转的错误匹配问题,提出了基于内蕴对称特征检测的高效形状配准算法。首先,通过热核与几何约束构建模型的内蕴自对称点对;其次,基于谱嵌入特征空间分析提取模型的内蕴对称平面,并依据模型表面法向量有效识别模型的左右结构属性;然后,根据内蕴对称点对获得模型的一致性谱对称结构描述;最后,引入一致性点漂移算法(CPD),实现基于谱对称的非刚性模型的形状配准,有效避免了模型配准中的左右结构翻转问题。实验进一步论证了这种方法不仅有效提高了模型匹配的效率,而且能有效识别同类模型的结构特征,对于非刚性模型的配准具有较强的鲁棒性。

海面舰船红外与可见光图像配准

在利用特征点集的红外与可见光舰船图像配准过程中,经常会存在点集的一致性差而无法配准的情况,本文针对可见光图像中背景干扰大,纹理丰富容易出现较多非舰船目标轮廓特征点的情况,利用全局广义直方图均衡化和显著性增强对可见光图像进行增强,然后进行Canny轮廓提取并在轮廓的基础上提取舰船目标边缘角点作为匹配点集;对于红外舰船图像,海面背景与舰船温度差异较大,其舰船目标成像效果较好,存在的干扰较少,本文直接进行Canny算子运算并提取角点作为特征点集。实验效果显示,本算法实用性较强,误差小于3个像素,能够满足工程使用要求。

基于边缘对应的三维颅骨自动非刚性配准方法

针对三维颅骨模型在初始姿态相差较大以及存在较多缺失情况下自动配准困难的问题,提出一种基于边缘对应的三维颅骨非刚性自动配准方法。首先对待配准三维颅骨进行边缘提取,获得所有孔洞的边缘;然后根据边缘长度以及边缘间最短距离自动识别边缘类型,建立待配准颅骨和参考颅骨在边缘上的对应;之后对待配准颅骨的初始位置和姿态进行调整,实现粗配准;最后通过两次一致点漂移(CPD)算法逐步实现两个颅骨从边缘区域至所有区域的精确配准。实验结果表明,与常用的基于迭代最近点(ICP)和薄板样条函数(TPS)相结合的三维颅骨自动配准方法相比,该方法对姿态、位置、分辨率以及缺损具有更强的鲁棒性,并且配准效率更高。

基于子空间K均值聚类的概率配准算法

针对现有点集配准算法准确性较差问题,将聚类算法运用到配准过程中,提出一种基于聚类的概率配准算法。该算法首先运用子空间K均值聚类将需要配准的两个点集分别聚类,得到两个聚类中心集合;然后对两个聚类中心集合进行配准,将得到的聚类中心对应关系投影到两个点集的对应关系;最后使用一致性点漂移算法作为配准框架,在投影得到的两个点集的对应关系基础上保持局部拓扑,完成对两个点集的配准。实验结果表明:该算法与当前先进的全局-局部拓扑保持算法相比,在3种不同的三维数据集中准确率分别提高1.67%、4.91%、2.17%,表明该配准算法有效提高了点集配准的准确性。

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。

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。

基于曲率特征的漂移配准方法

点云配准是三维建模的关键步骤,而配准速率又是其中的一个瓶颈。实际中点云数据规模大并且对配准速率有一定要求。针对配准点云规模增大导致的配准速率退化以及点云距离过大导致配准失败的情况,结合曲率特征与一致性漂移思想提出一种快速配准点云的方法,首先计算点云曲率特征,然后对比点云间的曲率相似度,提取具有相似结构的特征点作为配准点云。实验表明,该方法不仅将配准的时间消耗缩减1/2左右,并且能够配准距离200个单位坐标差的点云。

多层螺旋CT血管造影中的冠脉运动估计

提出了由多层螺旋计算机层析(MSCT)数据估计冠脉三维运动的算法。首先对多期相数据进行基于Hessian矩阵的局部血管增强,随后采用自适应阈值区域生长方法分割出血管并进行细化,得到不同时刻的冠脉骨架。血管进行分段后,利用连贯点漂移(CPD)点配准算法对不同期相的各段血管配准,计算点对之间的对应关系矩阵及空间变换,从而估计三维运动场。采用运动场已知的模拟数据评估算法精度,结果表明,对超过50mm的大幅度运动,配准误差小于1voxel,运动场估计误差小于1%。对实际的全期相数据,估计左右冠脉的运动场,也获得了较为均匀和平滑的结果。