导读:本文包含了图像多分辨率配准论文开题报告文献综述及选题提纲参考文献，主要关键词:医学图像配准,GTM,多分辨率B样条
图像多分辨率配准论文文献综述
于佳,张兴伟[1]（2019）在《基于GTM和多分辨率B样条的医学图像配准方法》一文中研究指出本文提出了一种基于GTM(Graph Transformation Matching)和多分辨率B样条的医学图像配准方法。为了得到精确的特征点对,使用GTM算法去除血管树模型中的冗余点;然后使用多分辨率B样条函数对图像进行配准。肝脏MRI上的实验证明,本文提出的非刚性配准方法能够有效提取出特征点,并且达到了较好的配准精度。(本文来源于《现代信息科技》期刊2019年15期）
朱浩[2]（2019）在《双支路深度神经网络下的遥感图像配准及多分辨率融合分类》一文中研究指出在利用遥感技术对地球表面进行探测的过程中,遥感图像的匹配及多分辨率的融合分类问题一直是非常关键的研究课题。一方面,随着信息技术的发展和硬件设备上的支持,人们可以从卫星、飞机等各种遥感平台上获取分辨率越来越高、内容越来越复杂的遥感图像。这些遥感图像所特有的数据多源异构、目标结构多变、背景纷繁复杂等特性,使得传统方法已经越来越难以满足对其进行高效解译的需求。而另一方面,深度学习在自然图像、视频和语音等领域的发展如火如荼,展现了其对海量数据强大的特征提取能力,但它在遥感领域的应用才初露锋芒。与近景拍摄的自然图像不同,遥感图像具有特性复杂、噪声干扰大、局部信息扭曲、容纳大量不同尺度的地物信息、样本标记少等特性。因此,在本文的工作中,我们充分利用遥感数据的特殊性质,设计了多种专门处理遥感数据的深度神经网络模型,用以完成遥感图像配准和融合分类任务。此外,这些工作还能够被独立地应用于其它相关的任务,具有较强的泛化性能。这些成果也获得了国内外同行的认可,具体内容有:1.针对遥感数据中SAR图像的数据特点,提出了一种基于多特征检测和树形网络匹配的SAR图像配准方法。多特征检测策略有利于同时保留两种类型的特征信息。相比于传统的一类特征,该策略既可以检测到丰富的纹理特征,又可以找到稳定的角点特征,在扩充特征点数目的同时丰富了特征的类型,充分利用图像信息为后续的配准过程做准备。考虑到SAR图像的斑点噪声,使用一种基于统计的指数加权平均比率的算子计算上述两种检测器的梯度。在特征匹配过程,提出的树形匹配网络算法主要由主干网和分支网两个部分构成,随着网络的构造来寻找匹配对。该算法将特征约束与特征点之间的空间关系结合在一起,具有比原算法更多的匹配对和更高的亚像素匹配精度。在SAR图像配准任务中,该算法在鲁棒性和有效性等方面比传统算法具有更优越的性能。2.针对于更高分辨率、更复杂结构的大场景遥感图像特性,提出了一种基于双支路卷积深度置信网框架的特征匹配算法,将图像配准任务转化为一个二值分类问题。为了匹配两个关键点,将两个以关键点为中心的图像块输入到该网络中。该网络的目的是学习用于图像块匹配的显着特征表示,以便在保持较高的亚像素级别的匹配精度的前提下获得更多的匹配对。该网络采用两阶段训练的方式来处理遥感图像的复杂特征。此外,在样本选择上,提出了一种自适应的样本选择策略,通过其中心关键点的尺度来确定每个图块的大小,从而确定样本的邻域范围。因此,每个图块可以保留其关键点周围的纹理结构,而不是所有图块都具有预定的尺寸大小。在匹配预测阶段,为了提高匹配效率和匹配精度,分别设计了基于超像素的样本分级策略和基于超像素的有序空间匹配策略。实验结果和理论分析证明了该方法的可行性、鲁棒性和有效性。3.提出了一种自适应特征融合空间网络,用于高分辨率遥感图像的配准任务。该网络具有多尺度的概念,不需要人为的为每个样本确定领域范围,它可以对不同的样本能自适应地选择合适的邻域信息。我们通过将深层特征与浅层特征相互融合,并根据输入样本特性自适应地调整它们之间的融合权重,为该输入样本提供鲁棒的特征表示。此外,将空间变换的思想嵌入到网络中,使两个支路在融合前尽可能地调整到同一坐标系下,从而提高匹配预测的置信度。4.针对于多光谱和全色图的融合分类任务,提出了一种双支路特征融合网络。它旨在将特征级融合和分类集合成一个端到端的网络模型框架中。考虑到一个大尺寸的遥感场景,提出了一种自适应样本选择策略。在网络结构中,我们提出了一种双路径模块,在保证稠密连接路径中层与层之间的最大梯度信息流的同时,有效缓解残差路径中的梯度爆炸。该模块可以提取出更强大的特征,以应对遥感图像的复杂特征。最后,我们采用渐进协同的方式逐步整合这两个支路的特性,从而减少计算负担,提高分类精度。实验证明,本算法在大场景下的遥感图像融合分类任务中表现优异。5.设计了一个用于遥感图像多分辨率融合分类的双支路注意力融合深度网络。在建立训练样本库的过程中,提出了一种自适应中心偏移采样策略,该策略与传统的像素中心采样策略不同,它允许每个图像块通过寻找待分类像素的纹理结构来自适应地确定邻域范围。而邻域范围与此像素不对称,我们希望捕捉到更利于其分类的邻域信息。在网络结构上,基于采样策略捕获的图像块,对多光谱数据设计了一种通道注意模块,突出了多光谱数据谱段信息丰富的优势;而对全色数据设计了一种空间注意模块,突出了全色数据高空间分辨率的优势。然后将这两个特征相互融合,进一步从融合后的特征中提取更深层的特征进行分类。在高分辨率遥感数据集上的实验结果证明了该方法的有效性和鲁棒性。(本文来源于《西安电子科技大学》期刊2019-04-01）
王昌,任琼琼,秦鑫,刘艳,李振新[3]（2018）在《基于自适应微分同胚多分辨率Demons算法的多模态磁共振图像配准》一文中研究指出微分同胚Demons能保证变形场的光滑可逆性,避免不合理形变的产生,但迭代次数需手动设定,且对配准结果影响较大。为解决此问题,提出自适应微分同胚的多分辨率Demons算法。首先利用非刚性配准的优化理论框架和多分辨率的策略,引入基于灰度的相似度能量函数,并设置配准终止条件,最终实现迭代次数的自适应。用check board图像,相同模态和不同模态的磁共振图像进行测试,采用配准评价指标进行定量分析,并分析不同驱动力和参数对配准结果的影响。实验结果表明:对于相同模态的磁共振图像,均方误差为514.796 5,归一化互相关系数为0.999 3,结构相似度为0.994 8;对于不同模态的磁共振图像,均方误差为1 354.1,归一化互相关系数为0.593 5,结构相似度为0.511 6;该算法均方误差最小,归一化相关系数、结构相似度最高;该算法具有高效性和鲁棒性,可用于磁共振图像的非刚性配准。(本文来源于《中国生物医学工程学报》期刊2018年02期）
吴戈[4]（2018）在《图像拼接中的特征点配准与多分辨率融合方法研究》一文中研究指出图像拼接是计算机视觉方向研究的热点内容,尤其是在移动设备领域应用广泛,如智能手机、无人机、VR等。拼接技术是将存在重迭区域的多幅序列图像依次进行配准,经过多尺度以及多分辨率融合方法的处理,最终形成一幅无缝高质量图像的技术。本文对基于局部特征描述的相关理论与算法进行研究,其中拼接的实时性、配准的精确性、以及高质量的图像融合为本文的研究重点。在传统图像拼接方法中,特征点的提取存在过多的冗余计算,且配准结果不够精确。对此,本文采用全局特征与局部特征相结合的方式进行特征提取,以提高特征提取的准确性与时效性。同时,采用自适应的图像融合与局部色彩映射相结合的方式来消除拼接缝,解决色彩过渡不连续的问题,以提高拼接图像的质量。本文的主要研究内容包括:1.传统的特征提取方法需要对图像全局进行计算,存在大量冗余和无效特征点,而且时间消耗过大。本文采用基于全局的轮廓特征与基于像素级的局部特征相结合的方式,快速定位相似区域,提取有效特征点集合,并采用Hellinger核函数代替欧氏距离进行匹配,提高了特征配准时效性和精确性。2.针对曝光差异较大导致图像拼接时产生明显的拼接缝问题,多分辨率图像融合方法可有效解决。传统多分辨融合方法对分解后的图像进行金字塔式融合,时间成本较大,且存在大量冗余信息。本文根据相似区域范围进行自适应的小波变换融合,并制定融合策略,提高了融合效率,获得无缝拼接图像。3.针对光照不均匀导致的图像颜色过渡不连续的问题,本文采用局部色彩映射算法对图像整体进行平滑过渡处理。减弱图像拼接后整体色调的差异,并使图像的亮度具有统一性。4.本文设计并实现快速图像拼接系统,提取多层次特征,基于Hu不变矩的轮廓特征作为初始层特征,提取相似区域的局部特征作为细化层特征。并采用多分辨率图像融合和局部色彩映射方法进行图像融合,得到高质量的全景图像。(本文来源于《重庆邮电大学》期刊2018-03-20）
刘志,张若宸[5]（2016）在《基于多分辨率的动车车轴图像快速配准算法》一文中研究指出为降低高分辨率图像配准的高耗时,优化动车组运行故障动态图像检测系统(trouble of moving emu detection system,TEDS),设计一种基于多分辨率图像的动车车轴图像快速配准算法。利用SURF(speeded up robust features)算子的旋转缩放不变性在低分辨率图像中进行粗配准,对经典的HOG(histogram of oriented gradient)算法进行优化,在高分辨率图像中利用优化了的HOG算法进行筛选及精确配准。实验结果表明,该算法提高了配准性能,加快了配准的速度。(本文来源于《计算机工程与设计》期刊2016年10期）
乔伟[6]（2016）在《异源图像的多分辨率精细配准研究》一文中研究指出随着成像技术的发展,各类成像设备逐渐得到了广泛应用。不同光谱或不同成像机制的成像设备拍摄的异源图像,例如多光谱卫星遥感图像、红外监控视频图像等,能够提供不同光谱的信息,同一场景下的这些不同信息通过有效“融合”能够有效提高对图像中信息的利用效率,为人类获取信息和作出决策提供重要的来源和参考价值。对图像信息的充分合理利用具有重大意义。精确的图像配准技术是获得高质量的异源融合图像的必要前提。基于局部特征的算法由于有更好的准确性和鲁棒性,是目前主流的配准方法。相对于同源图像的配准,异源图像由于局部特征会有所不同,主流的局部特征配准方法在配准精度方面会有显着下降。同时,随着图像分辨率的大幅提高以及为提高算法精度引入的大量图像后处理机制,配准算法计算量也大幅增加。有鉴于此,需要在现有技术的基础上进一步改进异源图像的配准方法以提高配准精度并降低配准过程的时间。本文通过深入研究主流图像配准的过程,分析了异源图像的局部特征差别、主流方法对于异源图像配准精度下降的原因以及配准过程的计算复杂之处。提出了基于多分辨率技术的异源图像配准方法。该方法采用全局信息作为图像配准的测度以提高配准精度,引入多分辨率机制用于剔除错误的特征匹配点对以降低计算量。通过与主流的图像配准方法比较,全局信息测度能够有效降低异源图像特征差异带来的影响而提高异源图像配准的精度,引入的多分辨率机制能够降低由此带来的额外计算量。本文提出了针对异源图像的多分辨率配准方法,并且与现有的国内外主流的配准方法进行了比较,同时将实验结果在准确性和实时性方面进行了研究、分析与总结。本文的实验结果证明,本文提出的多分辨率配准机制能够在保证与全局信息为测度的配准方法精度相当的基础上,大幅降低计算量即减少配准过程所消耗的时间。相比于主流的同源图像配准方法,本文提出的方法对异源图像的配准有较好的准确性和实时性。(本文来源于《北京邮电大学》期刊2016-03-15）
李维,王瑞,邓传斌[7]（2015）在《SIFT算子在多分辨率图像配准中的应用》一文中研究指出为了解决不同分辨率图像的配准问题,提出了一种基于SIFT算子的图像自动配准方法。该方法首先提取图像中适应尺度变化的局部不变特征角点,并利用最近邻特征点距离与次近邻特征点距离相比的方法得到初始匹配点对。仿真试验表明,该方法能够实现不同分辨率图像的自动配准。(本文来源于《物联网技术》期刊2015年11期）
倪权,倪伟渊[8]（2015）在《多分辨率人脸图像配准方法研究》一文中研究指出人脸图像配准是人脸检测的后续环节,用于纠正检测结果中存在的空间配准误差。文章提出了一种多分辨率的人脸图像联合配准方法:在粗粒度上,算法通过在较低分配率上处理图像来消除主要的配准误差;在细粒度上,算法采用较高的分辨率对配准结果进行改良。在各个粒度上,将图像配准定义为所有图像信息熵和的最小化问题,并采用牛顿优化算法求解配准参数。文章在AR和Yale B两组测试图像集构造对比实验,结果证明,多分辨率人脸图像配准方法在配准效果和算法效率上优于业界主流的联合配准算法。(本文来源于《信息化研究》期刊2015年04期）
吕晓琪,于荷峰,张传亭[9]（2014）在《粒子群与改进的鲍威尔算法相结合的多分辨率叁维医学图像配准》一文中研究指出为克服传统基于互信息的多模医学图像配准算法容易陷入局部最优的问题,提出了一种改进的多分辨率叁维医学图像配准算法。该算法通过高斯滤波将叁维医学图像进行多尺度化,形成多分辨率图像金字塔,以Mattes互信息作为配准框架的相似性测度。在图像金字塔的低分辨率层使用粒子群优化算法进行全局变换参数的搜索,然后以全局变换参数作为高分辨率层配准的初始参数,并以鲍威尔优化算法进行优化,完成最终的叁维医学图像配准。实验结果表明,改进的算法不仅使待配准两幅图像空间位置对齐,而且较传统互信息算法提高了配准精度,鲁棒性更强,有效地解决了基于互信息的配准算法陷入局部最优的可能。(本文来源于《计算机应用研究》期刊2014年12期）
潘婷婷,陆丽婷,顾绮芳[10]（2014）在《QPSO算法和Powell法结合的多分辨率医学图像配准》一文中研究指出图像配准一直是图像研究领域的热点话题,互信息的配准方法由于其精度高、鲁棒性强等特点,成为图像配准中的常用方法。但其目标函数存在局部极值问题。针对这个问题,提出一种量子行为的粒子群优化算法(QPSO)和Powell法相结合的多分辨率搜索优化算法。QPSO参数个数少,其每一个迭代步的取样空间能覆盖整个解空间,能保证算法的全局收敛,因此可以有效地解决Powell算法的缺点。该算法将量子行为的粒子群优化算法(QPSO)与Powell法结合起来对二维的MRI图像进行配准。实验结果表明,该方法能够有效地克服互信息函数的局部极值问题,并提高了配准精度和速度。(本文来源于《计算机应用与软件》期刊2014年07期）
图像多分辨率配准论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在利用遥感技术对地球表面进行探测的过程中,遥感图像的匹配及多分辨率的融合分类问题一直是非常关键的研究课题。一方面,随着信息技术的发展和硬件设备上的支持,人们可以从卫星、飞机等各种遥感平台上获取分辨率越来越高、内容越来越复杂的遥感图像。这些遥感图像所特有的数据多源异构、目标结构多变、背景纷繁复杂等特性,使得传统方法已经越来越难以满足对其进行高效解译的需求。而另一方面,深度学习在自然图像、视频和语音等领域的发展如火如荼,展现了其对海量数据强大的特征提取能力,但它在遥感领域的应用才初露锋芒。与近景拍摄的自然图像不同,遥感图像具有特性复杂、噪声干扰大、局部信息扭曲、容纳大量不同尺度的地物信息、样本标记少等特性。因此,在本文的工作中,我们充分利用遥感数据的特殊性质,设计了多种专门处理遥感数据的深度神经网络模型,用以完成遥感图像配准和融合分类任务。此外,这些工作还能够被独立地应用于其它相关的任务,具有较强的泛化性能。这些成果也获得了国内外同行的认可,具体内容有:1.针对遥感数据中SAR图像的数据特点,提出了一种基于多特征检测和树形网络匹配的SAR图像配准方法。多特征检测策略有利于同时保留两种类型的特征信息。相比于传统的一类特征,该策略既可以检测到丰富的纹理特征,又可以找到稳定的角点特征,在扩充特征点数目的同时丰富了特征的类型,充分利用图像信息为后续的配准过程做准备。考虑到SAR图像的斑点噪声,使用一种基于统计的指数加权平均比率的算子计算上述两种检测器的梯度。在特征匹配过程,提出的树形匹配网络算法主要由主干网和分支网两个部分构成,随着网络的构造来寻找匹配对。该算法将特征约束与特征点之间的空间关系结合在一起,具有比原算法更多的匹配对和更高的亚像素匹配精度。在SAR图像配准任务中,该算法在鲁棒性和有效性等方面比传统算法具有更优越的性能。2.针对于更高分辨率、更复杂结构的大场景遥感图像特性,提出了一种基于双支路卷积深度置信网框架的特征匹配算法,将图像配准任务转化为一个二值分类问题。为了匹配两个关键点,将两个以关键点为中心的图像块输入到该网络中。该网络的目的是学习用于图像块匹配的显着特征表示,以便在保持较高的亚像素级别的匹配精度的前提下获得更多的匹配对。该网络采用两阶段训练的方式来处理遥感图像的复杂特征。此外,在样本选择上,提出了一种自适应的样本选择策略,通过其中心关键点的尺度来确定每个图块的大小,从而确定样本的邻域范围。因此,每个图块可以保留其关键点周围的纹理结构,而不是所有图块都具有预定的尺寸大小。在匹配预测阶段,为了提高匹配效率和匹配精度,分别设计了基于超像素的样本分级策略和基于超像素的有序空间匹配策略。实验结果和理论分析证明了该方法的可行性、鲁棒性和有效性。3.提出了一种自适应特征融合空间网络,用于高分辨率遥感图像的配准任务。该网络具有多尺度的概念,不需要人为的为每个样本确定领域范围,它可以对不同的样本能自适应地选择合适的邻域信息。我们通过将深层特征与浅层特征相互融合,并根据输入样本特性自适应地调整它们之间的融合权重,为该输入样本提供鲁棒的特征表示。此外,将空间变换的思想嵌入到网络中,使两个支路在融合前尽可能地调整到同一坐标系下,从而提高匹配预测的置信度。4.针对于多光谱和全色图的融合分类任务,提出了一种双支路特征融合网络。它旨在将特征级融合和分类集合成一个端到端的网络模型框架中。考虑到一个大尺寸的遥感场景,提出了一种自适应样本选择策略。在网络结构中,我们提出了一种双路径模块,在保证稠密连接路径中层与层之间的最大梯度信息流的同时,有效缓解残差路径中的梯度爆炸。该模块可以提取出更强大的特征,以应对遥感图像的复杂特征。最后,我们采用渐进协同的方式逐步整合这两个支路的特性,从而减少计算负担,提高分类精度。实验证明,本算法在大场景下的遥感图像融合分类任务中表现优异。5.设计了一个用于遥感图像多分辨率融合分类的双支路注意力融合深度网络。在建立训练样本库的过程中,提出了一种自适应中心偏移采样策略,该策略与传统的像素中心采样策略不同,它允许每个图像块通过寻找待分类像素的纹理结构来自适应地确定邻域范围。而邻域范围与此像素不对称,我们希望捕捉到更利于其分类的邻域信息。在网络结构上,基于采样策略捕获的图像块,对多光谱数据设计了一种通道注意模块,突出了多光谱数据谱段信息丰富的优势;而对全色数据设计了一种空间注意模块,突出了全色数据高空间分辨率的优势。然后将这两个特征相互融合,进一步从融合后的特征中提取更深层的特征进行分类。在高分辨率遥感数据集上的实验结果证明了该方法的有效性和鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像多分辨率配准论文参考文献
[1].于佳,张兴伟.基于GTM和多分辨率B样条的医学图像配准方法[J].现代信息科技.2019
[2].朱浩.双支路深度神经网络下的遥感图像配准及多分辨率融合分类[D].西安电子科技大学.2019
[3].王昌,任琼琼,秦鑫,刘艳,李振新.基于自适应微分同胚多分辨率Demons算法的多模态磁共振图像配准[J].中国生物医学工程学报.2018
[4].吴戈.图像拼接中的特征点配准与多分辨率融合方法研究[D].重庆邮电大学.2018
[5].刘志,张若宸.基于多分辨率的动车车轴图像快速配准算法[J].计算机工程与设计.2016
[6].乔伟.异源图像的多分辨率精细配准研究[D].北京邮电大学.2016
[7].李维,王瑞,邓传斌.SIFT算子在多分辨率图像配准中的应用[J].物联网技术.2015
[8].倪权,倪伟渊.多分辨率人脸图像配准方法研究[J].信息化研究.2015
[9].吕晓琪,于荷峰,张传亭.粒子群与改进的鲍威尔算法相结合的多分辨率叁维医学图像配准[J].计算机应用研究.2014
[10].潘婷婷,陆丽婷,顾绮芳.QPSO算法和Powell法结合的多分辨率医学图像配准[J].计算机应用与软件.2014