特征点匹配和互信息融合下连续形变图像配准

图像配准中易受到外界干扰发生变形或者部分特征缺失,为此提出融合特征点匹配和互信息的连续形变图像配准方法。提取连续形变图像特征,对提取到的特征实施匹配处理,结合互信息算法统计两图像之间的相似程度,得出最佳配准指标,即像素灰度值为最大值,结合特征点匹配结果以及互信息算法生成图像配准刚性指标,实现连续形变图像配准。实验结果表明,所提方法配准后图像信息完整,配准效果较好,且匹配耗时较短,说明其能够降低图像配准中干扰因素的影响,有效提升图像配准质量。

基于形状特征点最大互信息的医学图像配准

定义了基于形状特征点的互信息计算公式 ,提出区域增长结合动态聚类算法的形状特征点提取方法 .在使形状特征点互信息最大化完成医学图像配准的过程中 ,引入人机交互 ,缩短了优化过程 ,避免了局部极值 .提出的配准策略具备临床实用性 。

基于特征点Rényi互信息的医学图像配准

针对医学图像配准有鲁棒性强、准确性高和速度快的要求,文中提出一种基于特征点Rényi互信息的医学图像配准算法.起初从模板图像与待配准图像中依次提取出多尺度特征点,其次使用其空间坐标计算特征点Rényi互信息目标函数,实现图像配准.该算法有效地避免了多模噪声图像间的灰度差异影响,减少了待处理的数据量,同时使用Rényi互信息来消除目标函数所受的局部极值的影响,进一步提高了配准精度.实验证明该算法适于单模和多模医学图像配准,速度较快、精度高、鲁棒性强,是一种有效的自动配准方法,并且具有较好的临床应用价值.

一种新的基于互信息的图像配准方法

针对目前基于互信息图像配准方法中存在的不足,提出结合图像二维信息(如轮廓和边缘)与互信息的图像配准算法。它首先利用小波多尺度积提取两幅图像的特征点及其角度信息,再根据得到的特征点和角度信息,定义了特征点对互信息匹配准则,得到相应的匹配点对。最后进行了仿真实验,并将结果与由相关度、对齐度准则得到的结果进行比较,所提出的算法匹配误差最小。结果表明该算法具有匹配精确、鲁棒性好和效率高等优点。

基于最大特征点对互信息的图像配准

定义了局部特征点对互信息量,并在两个合理的假设下提出了基于最大特征点对互信息量的一种新的图像配准方法。该方法包含了两个搜索过程:第一个过程是基于特征点对的全局搜索过程,该过程得到初始匹配点对;第二个过程是在初始匹配点对的邻域内利用互信息基本性质的局部搜索,该过程可以进一步提高匹配点对的精度。全局搜索过程能够提高搜索效率,而局部搜索又可以克服依赖于准确提取特征点的不足。最后通过理论分析和实验证明了所提出方法的有效性。

基于特征点的红外与可见光图像配准研究

提出了一种基于特征点的红外和可见光图像配准方法。首先根据边缘图像的结构分别提取红外图像特征点和可见光图像特征点,其次根据结合了形状结构和灰度、梯度角信息的配准准则寻找两幅图像的对应特征点,最后利用三对特征点根据刚体变换得到图像的缩放倍率、旋转角度和平移坐标,从而实现两幅图像的配准,并通过实验给予了证明。

使用特征点与灰度值的医学图像局部配准方法

针对医学图像配准中,存在某些图像间大部分区域没有差异或者存在差异但不被关心的情况,提出了一种局部图像配准方法。该方法使用局部可控的紧支撑径向基函数作为配准变换函数,通过在感兴趣区域设置特征点,将变换函数作用范围限制在图像中某一特定区域,保持其他区域不发生变形。利用图像间的互信息量作为测度函数,更加精确地求解变换函数。在优化策略的选择中,将图像配准看作为寻优过程,采用基于小生境的遗传算法优化变换函数参数,能够克服经典遗传算法早熟、搜索能力差等缺点。通过对已知变换函数的仿真图像与真实医学图像进行实验,结果表明该算法能够准确地找到较优的变换函数,并且将作用区域限制在较小范围内。该方法结合了基于特征点和基于像素配准方法的优点,有效的搜索策略保证了变换函数准确性,是一种可行的、鲁棒的局部医学图像配准方法。

基于SURF和互信息的图像配准方法研究

将SURF算法和互信息结合起来.首先利用SURF算法分别提取两幅图像的特征点,接着计算两幅图像特征点集间的互信息,最后通过改进的同步扰动随机逼近算法(SPSA)获得最佳配准参数,使互信息达到最大值,从而实现图像配准.实验表明该方法计算简单,配准速度快并且对光照和噪声具有较强的鲁棒性.

基于互信息和单应性原理的图像自动配准研究

基于图像特征的配准是图像配准的一个主要研究方向。传统的基于特征的配准方法一般都存在着计算量大、复杂度高以及配准精度低等问题。该文提出了一种基于互信息和单应性原理的图像自动配准方法。该方法首先利用harris算子提取角点,然后通过互信息粗匹配和RANSAC精匹配得到一对一的匹配角点对,最后根据匹配角点对计算出对应的单应矩阵来实现图像配准。为相互间满足刚体变换关系的图像之间的配准提供了一种新的思路。

基于纹理特征的层次化图像配准方法

为了提高纹理特征明显的图像的配准精度和速度,提出一种基于纹理特征的层次化图像配准方法。首先,采用基于互信息的优化蚁群算法对图像进行粗配准,可以提高初始配准的精度,防止算法陷入局部最优解;然后在迭代最近点(Iterative Closest Point,ICP)算法的基础上,通过对纹理特征点赋予递减权重实现基于纹理特征的图像细配准,不仅可以在几何外形上实现点对匹配,也可以使得匹配的点对在图像的纹理细节上相似,大大提高了算法的配准精度。通过对人脑CT图像的配准实验表明,该基于纹理特征的层次化配准方法是一种精度高、速度快的图像配准方法,可以实现不同大小和不同质量的纹理图像的精确配准。

一种利用点特征和互信息的多源遥感影像配准方法

针对多源遥感影像间几何形变和辐射差异所引起的配准困难问题,该文提出一种利用点特征和互信息的影像配准方法。该方法首先利用Harris算子,采用分块的提取策略,在参考影像上检测出大量、分布均匀的特征点,然后以互信息作为相似性,并采用双向匹配的策略在输入影像上进行同名点识别,同时进行粗差剔除,最后根据获取的同名点建立不规则三角网,对输入影像进行逐三角网纠正,最终实现影像的配准。通过选择两种不同类型的多源遥感影像进行试验,结果表明该方法具有较强的适应性并且配准精度较高。

基于优化ORB算法的遥感图像精确配准技术

对于遥感图像精准配准技术的问题,提出基于优化ORB算法的遥感图像精准配准技术。首先,实现特征匹配,通过改进ORB算法将特征点进行提取,并且实现描述符的创建及匹配,得到初始控制点;然后,使用随机采样一致性方法和变换参数估计相结合,将可能错误的匹配进行剔除;最后,通过最小二乘法对变换参数进行估计,实现图像的几何纠正。对算法配准技术进行实验,实验结果表明此方法得到的配准精度较高,能够进一步提高配准效率。

三种图像配准法在近红外脉冲光成像中的应用

分析了基于特征点控制为基础的配准、傅里叶梅林变换、最大互信息法等三种图像配准算法的原理。采用这三种方法对近红外脉冲光乳腺成像系统采集的病例图像实现图像配准,并从配准所需要时间和最终的配准效果两个方面对三种算法的配准效果进行了比较。结果表明,基于特征点控制基础的配准方法所需时间最短,傅里叶梅林变换次之,最大互信息法所需要的时间最长。但是,从最终配准效果来看,最大互信息法明显优于其他两种算法。应用最大互信息法可以有效实现图像的配准,但是在实际应用中,需要对配准时间进行进一步优化。

三维激光影视图像归一化互信息特征配准技术

以提升三维激光影视图像配准过程中特征点配准精度为目的,研究三维激光影视图像归一化互信息特征配准技术。采用Harris算法提取三维激光影视图像特征点,通过非最大约束删除冗余特征点;在确保互信息波动曲线不变的条件下,通过忽略归一化互信息测度过程中的冗余项优化归一化互信息,将优化后的归一化互信息作为配准测度标准构建初始匹配特征点集;采用松弛算法在初始匹配特征点集内确定最优的一一对应的特征点,精确匹配特征点并完成均匀化处理;针对均匀化处理后的匹配点对集合,利用最小二乘法拟合仿射变换参数处理待配准图像内的特征点,通过双线性内插法重采样特征点,最终实现三维激光影视图像配准。应用结果显示该技术特征点提取结果的对应率达到98%以上,特征点一次性正确配准率达到97.8%。