序列显微病理切片图像的自动拼接

针对存在模糊和较大旋转角度的病理切片序列图像,提出了一种具有尺度不变性的图像拼接方法。首先利用高斯图像金字塔提取图像的特征点,使用特征点主方向上描述符的相关性建立特征点匹配关系,最后采用随机抽样一致性算法计算匹配点对之间的变换模型参数。实验表明本文算法具有很强的灵敏性和适应性。

连接向量特征匹配的暗场图像配准方法

利用损伤点之间的位置关系,根据光学元件损伤暗场图像的特点设计了一种基于连接向量特征匹配的配准方法。该方法首先对基准图像及待配准图像分别进行图像预处理,提取损伤点轮廓的中心坐标作为损伤点的位置值。然后构建损伤点连接向量,求出主方向并计算主方向下的连接向量特征,使用连接向量匹配获得匹配点对,最后利用RANSAC算法对匹配点对进行仿射变换参数计算。该方法具有旋转不变性,尺度不变性以及较高的配准准确度。实验对比分析了该方法与SIFT算法的计算效率及配准精度,结果表明在暗场图像条件下文中方法更有效且为背景单一,灰度信息较少同时要求较高的配准速度的场景下的图像配准问题提供了解决方案。

一种新的消失点检测算法

该文在随机抽样一致性算法基础上,提出了一个基于预检验的随机抽样一致性PreviewmodelParametersEvaluationRANSAC(PERANSAC)消失点估计算法:该算法在原始RANSAC算法消失点检验前,加入一个预检验步骤,在保证计算结果精度不变的前提下,过滤掉大量偏差较大的消失点,减少了检验的计算量,大大提高了算法的整体效率。大量的实验结果表明,该算法的计算精度与RANSAC算法精度保持一致,计算速度远高于RANSAC算法。