基于小波变换的图像配准方法

图像配准是信息融合处理中非常重要的一个环节。图像的配准,尤其是遥感图像的配准,运用传统的方法,计算量大且配准精度不高。基于小波理论,提出了一种快速、高精度图像配准的新方法。该方法利用小波变换将图像分成若干层次,通过引入有效子图的概念来降低待搜索的数据量,应用小波理论的多分辨分析思想来缩小搜索空间,最后通过迭代求精算法实现了图像的快速、高精度配准。实验结果表明,该方法对大数据量的遥感图像,较之传统的方法具有明显的优越性。

基于一种快速归一化积相关算法的图像匹配研究

在灰度图像匹配中,归一化积相关算法具有鲁棒性强、精准度高和易于硬件实现等优点。但算法复杂、计算速度慢是制约其应用的主要原因。基于迭代的思想提出了一种快速归一化积相关算法。该方法在计算基准子图图像能量时,只通过几个像素值的加减运算,便可快速实现基准子图像素求和,大大降低了计算的复杂度。实验证明,本算法与原算法具有相同的匹配精度,但计算时间仅为原算法的1/9.

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 。

遥感数字图像配准技术综述

图像配准技术是近年来迅速发展的图像处理技术之一,也是解决图像融合、图像镶嵌和变化检测等问题的必要前提,并在遥感、军事、医学、计算机视觉等众多领域都有广泛的应用。本文首先简要介绍了图像配准的步骤和过程,接着具体分析了目前几种常用的配准方法,并归纳总结了其在遥感领域应用中的技术特点,最后讨论了图像配准在遥感领域中的发展趋势。

基于NCC与SSDA的快速特征点匹配融合算法

快速、正确的匹配从两幅或多幅图像中提取出来的特征点是基于特征点图像配准问题的关键。传统的只使用归一化互相关匹配(NCC)算法进行的特征点粗匹配,虽然具有较强的抗噪声能力,但是匹配的速度很慢,而且错误率也比较高。因此,在研究了NCC算法与序贯相似度检测(SSDA)算法基础上,并改进了SSDA算法的非相似度计算方法,提出将两种算法融合在一起形成一种快速的特征点匹配算法,改进算法充分利用了两种算法的优点,大大提高了特征点的匹配速度,而且减少了错误匹配的个数。通过实验证明,该算法是一种有效的特征点匹配算法,比只使用NCC算法进行特征点匹配所需的时间降低了70%以上,正确匹配率也有所提高。

基于曲线匹配的颅像叠加方法

为解决颅骨与照片叠加过程中人工参与标记特征的问题,结合图像配准和法医学理论提出了一种基于曲线匹配的颅像叠加方法:首先,将颅骨模型统一在标准的法兰克福坐标系,将3D颅骨映射为2D颅骨;自动标定鼻下点,提取颅骨下颌和人脸部分的轮廓线,再使用无符号曲率积分方法(Unsigned curvature Integration,UCI)参数化曲线,并根据whole-to-part曲线匹配方法,找到人脸轮廓与颅骨下颌对应的曲线部分;然后利用修正的普氏分析(Procrustes Analysis,PA)估计两条曲线的最优变换;最后对2D颅骨进行上述最优变换,达到与人脸的最佳重合状态。实验表明,算法实现了自动颅像叠加,时间复杂度低,为自动颅像重合身份认证奠定基础。

一种改进的松弛迭代图像配准算法

本文展示了一种改进的松弛迭代图像配准算法,此算法首先使用归一化自相关运算求得图像的粗匹配对,接着使用改进的松弛迭代匹配算法进行精匹配。本文通过优化筛选第一轮迭代结果,使得后续迭代时间明显减少。实验证明此算法效率比原始算法有了很大的提高。