CN111462198B - 一种尺度、旋转和辐射不变性的多模态影像配准方法 - Google Patents
一种尺度、旋转和辐射不变性的多模态影像配准方法 Download PDFInfo
- Publication number
- CN111462198B CN111462198B CN202010160546.9A CN202010160546A CN111462198B CN 111462198 B CN111462198 B CN 111462198B CN 202010160546 A CN202010160546 A CN 202010160546A CN 111462198 B CN111462198 B CN 111462198B
- Authority
- CN
- China
- Prior art keywords
- image
- images
- translation
- lgah
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种尺度、旋转和辐射不变性的多模态影像配准方法,该方法首先利用影像的多方向梯度信息构建一种描述影像局部结构特征的特征描述子—名为梯度角直方图,即GAH描述符,并利用GAH描述符对影像进行逐像素特征描述形成全局的三维特征表达图;该三维特征表达图能刻画多模态影像间的共性结构、纹理、形状等信息,能较好地抵抗多模态影像间的辐射差异。然后在三维特征表达图的基础上,利用三维相位相关作为相似性,并结合对数极坐标转换,获取影像间的尺度、旋转和平移参数,最终实现多模态影像的配准。本发明能有效抵抗影像的辐射差异,解决多模态影像间的尺度和旋转变形的问题,能适用于任意旋转和尺度差异为9倍以内的多模态影像的自动配准。
Description
技术领域
本发明涉及计算机视觉和图像处理等技术领域,尤其是一种尺度、旋转和辐射不变性的多模态影像配准方法,用于多模态遥感影像,多模态医学影像,多模态自然影像等的自动配准。
背景技术
影像配准是将不同时间、不同传感器和不同拍摄条件下获取的两幅和多幅进行匹配和叠加的过程。配准精度对于后续的影像处理和分析工作如影像融合,变化检测,三维重建和影像拼接等产生重要的影响。多模态影像是指利用不同类型传感器获取的影像,主要包括多模态遥感影像如红外、光学、合成孔径雷达(synthetic aperture radar,SAR)等,多模态医学影像如CT和核磁共振影像(Magnetic Resonance Imaging,MRI)、以及多模态自然影像(具体指利用普通设备拍摄的光学和红外等多模态影像)。由于不同的成像机理和拍摄角度,多模态影像通常存在着较大的尺度、旋转、辐射等差异,导致自动配准的难度非常具有挑战性。
目前的多模态影像配准方法主要可分为两类,基于特征的方法和基于区域的方法:
(1)基于特征的方法是通过对影像特征进行检测和匹配,并建立影像间的几何变换模型来实现配准。最常见的特征有点特征、线特征、面特征和局部不变性特征。这些特征虽然对影像间的光照变化和几何变形具有一定的鲁棒性,但难以适应于多模态影像之间的非线性辐射差异。不能很好地适用于多模态影像之间的配准。
(2)基于区域的方法主要通过构建影像间的相似性测度来实现影像的配准。目前主要的相似性测度是归一化相关***,互信息和相位相关等。但是这些相似性测度是基于灰度信息进行同名点匹配,对于灰度差异(即辐射差异)较为敏感,难以较好地应用于多模态影像的精确配准。
最近,相关学者发现结构特征能较好地反映多模态影像间的共有属性,通过构建结构特征描述符如灰度方向直方图(Histogram of Orientated Gradient,HOG)和相位一致性方向直方图(Histogram of Orientated Phase congruency,HOPC),并在此基础建立相似性测度,提高了配准的效率。接着,叶沅鑫等构建一种结构特征描述符—方向梯度特征通道(Channel Feature of Orientated Gradient),并利用三维快速傅里叶变换(ThreeDimension Fast Fourier Transform,3DFFT)构建了一种快速的相似性测度,进一步地提高了配准速率。虽然这些方法可以较好地抵抗影像间的辐射差异,但是不能很好地解决多模态影像间的尺度和旋转等变形问题。
发明内容
本发明所要解决的技术问题是:针对现有技术不能解决多模态影像间的尺度和旋转等变形的问题,提供一种尺度、旋转和辐射不变性的多模态影像配准方法,该方法首先构建能够抵抗多模态影像间辐射差异的特征描述符—梯度角直方图(Gradient AngleHistogram,GAH),利用GAH对影像进行全局的三维特征表达,然后在此基础上,利用三维相位相关和对数极坐标转换技术,获取影像间的旋转和尺度变化参数,实现多模态影像配准。
本发明采用的技术方案如下:
一种尺度、旋转和辐射不变性的多模态影像配准方法,包括如下步骤:
步骤1,利用影像的梯度信息构建GAH描述符;
步骤2,根据步骤1的方法计算参考影像I1和输入影像I2上每个像素点的GAH描述符,并将每个像素点的GAH描述符在Z方向进行排列,形成这两幅影像的全局三维特征表达图,分别命名为IGAH1和IGAH2;
步骤3,对IGAH1和IGAH2每一层的特征图进行对数极坐标变换,获得转换后的两幅影像的全局三维特征表达图L1和L2;
步骤4,利用三维相位相关的原理,通过计算L1和L2的平移量获取参考影像I1和输入影像I2的旋转角度和尺度因子,实现参考影像I1和输入影像I2之间的粗配准,粗配准后的影像记为I3;
步骤5,利用三维相位相关的原理,通过计算参考影像I1和粗配准后的影像I3的平移量(x0,y0),实现参考影像I1和粗配准后的影像I3之间的精配准。
进一步地,步骤1包括如下子步骤:
步骤1.1,以影像中的一个像素点P为中心,取半径为R的邻域,建立对数极坐标系;
步骤1.2,在该对数极坐标系下,角度被均分为n个方向,半径被划分为k等份,形成k×n个子区域;
步骤1.3,计算该邻域内所有像素的梯度方向和梯度幅值,并把梯度方向也划分为n个方向,并统计每个方向上所对应的对数极坐标子区域内的方向梯度幅值;
步骤1.4,将每个子区域内的方向梯度幅值串联起来,形成梯度角直方图,该梯度角直方图即为GAH描述符。
进一步地,步骤1中,在利用影像的梯度信息构建GAH描述符时,需要将[0,360°]的梯度方向转换到[0,180°]之间进行GAH描述符统计。
进一步地,步骤4包括如下子步骤:
步骤4.1,计算L1和L2的平移量:
A、设定L1和L2之间的平移量为(a0,b0),则有:
L2(x,y)=L1(x-a0,y-b0) (1)
B、L1和L2的3DFFT之间的关系为:
式中,3DF1和3DF2分别是L1和L2的三维傅里叶变换;
C、L1和L2的互功率谱为:
D、对L1和L2的互功率谱G(u,υ)进行三维快速傅里叶逆变换,得到一个冲击函数δ(x-a0,y-b0),该冲击函数的最大值位置则对应于L1和L2的平移量(a0,b0);
步骤4.2,根据L1和L2的平移量(a0,b0),利用公式(4)计算参考影像I1和输入影像I2的旋转角度θ和尺度因子s:
式中,N为三维特征表达图L1和L2的宽度;
步骤4.3,利用获得的旋转角度θ和尺度因子s对输入影像I2进行纠正,获得粗配准后的影像I3。
进一步地,步骤5包括如下子步骤:
步骤5.1,参照步骤2的方法,计算参考影像I1和粗配准后的影像I3上每个像素点的GAH描述符,并将每个像素点的GAH描述符在Z方向进行排列,形成这两幅影像的全局三维特征表达图,分别命名为LGAH1和LGAH3;
步骤5.2,计算参考影像I1和粗配准后的影像I3的平移量(x0,y0),
A、设定LGAH1和LGAH3之间的平移量为(x0,y0),则有:
LGAH3(x,y)=LGAH1(x-x0,y-y0) (5)
B,利用公式(3)计算LGAH1和LGAH3的互功率谱G′(u,υ);
C,对LGAH1和LGAH3的互功率谱G′(u,υ)进行三维快速傅里叶逆变换,得到一个冲击函数δ′(x-x0,y-y0),该冲击函数的最大值位置则对应于参考影像I1和粗配准后的影像I3的平移量(x0,y0);
步骤5.3,利用参考影像I1和粗配准后的影像I3的平移量(x0,y0),对参考影像I1和粗配准后的影像I3进行精配准。
综上所述,由于采用了上述技术方案,本发明的有益效果是:
本发明能有效抵抗影像间的辐射差异,解决多模态影像间的尺度和旋转等变形的问题,能适用于任意旋转和尺度差异为9倍以内的多模态影像的自动配准。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明的尺度、旋转和辐射不变性的多模态影像配准方法的流程框图。
图2为本发明构建的GAH描述符示意图。
图3为本发明生成全局特征表达图的过程示意图。
图4为本发明对数极坐标变换的过程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明,即所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的一种尺度、旋转和辐射不变性的多模态影像配准方法,包括如下步骤:
步骤1,利用影像的梯度信息构建GAH描述符;
步骤2,根据步骤1的方法计算参考影像I1和输入影像I2上每个像素点的GAH描述符,并将每个像素点的GAH描述符在Z方向进行排列,形成这两幅影像的全局三维特征表达图,分别命名为IGAH1和IGAH2;
步骤3,对IGAH1和IGAH2每一层的特征图进行对数极坐标变换,获得转换后的两幅影像的全局三维特征表达图L1和L2;
步骤4,利用相位相关的原理,通过计算L1和L2的平移量获取参考影像I1和输入影像I2的旋转角度和尺度因子,实现参考影像I1和输入影像I2之间的粗配准,粗配准后的影像记为I3;
步骤5,利用三维相位相关的原理,通过计算参考影像I1和粗配准后的影像I3的平移量(x0,y0),实现参考影像I1和粗配准后的影像I3之间的精配准。
以下结合实施例对本发明的特征和性能作进一步的详细描述。
实施例1
本实施例的一种尺度、旋转和辐射不变性的多模态影像配准方法,包括如下步骤:
步骤1,利用影像的梯度信息构建GAH描述符;
具体地,包括如下子步骤:
步骤1.1,以影像中的一个像素点P为中心,取半径为R的邻域,建立对数极坐标系;
步骤1.2,在该对数极坐标系下,角度被均分为n个方向,半径被划分为k等份,形成k×n个子区域;其中,n和k的值由用户确定,推荐值为n=8,k=3,该推荐值对应的对数极坐标系示意图如图2所示。
步骤1.3,计算该邻域内所有像素的梯度方向和梯度幅值,并把梯度方向也划分为n个方向,并统计每个方向上所对应的对数极坐标子区域内的方向梯度幅值,如图2所示,图中的箭头方向表示梯度方向,箭头的长度对应梯度幅值的大小;
步骤1.4,将每个子区域内的方向梯度幅值串联起来,形成梯度角直方图,该梯度角直方图即为GAH描述符。
需要注意的是,为了避免多模态影像间梯度反向的情况,上述过程中,需要将[0,360°]的梯度方向转换到[0,180°]之间进行GAH描述符统计。
步骤2,根据步骤1的方法计算参考影像I1和输入影像I2上每个像素点的GAH描述符,并将每个像素点的GAH描述符在Z方向进行排列,如图3所示(图像左上角点为原点,列方向为X方向,行方向为Y方向,Z方向则垂直于X方向和Y方向组成的平面),形成这两幅影像的全局三维特征表达图,分别命名为IGAH1和IGAH2;形成的三维特征表达图消除了原始影像间的辐射差异(即灰度差异),为后续地影像配准提供更可靠的特征信息;
步骤3,对IGAH1和IGAH2每一层的特征图进行对数极坐标变换,获得转换后的两幅影像的全局三维特征表达图L1和L2;可以利用尺寸大小为N×N采样格网对IGAH1和IGAH2每一层的特征图进行对数极坐标变换,如图4所示,获得的全局三维特征表达图L1和L2的尺寸为N×N×H,其中N表示全局三维特征表达图的宽和高,H表示全局三维特征表达图的层数。
步骤4,利用三维相位相关的原理,通过计算L1和L2的平移量获取参考影像I1和输入影像I2的旋转角度和尺度因子,实现参考影像I1和输入影像I2之间的粗配准,粗配准后的影像记为I3;
基于三维相位相关的原理,对数极坐标转换后,特征图L1和L2的平移差异则对应了参考影像I1和输入影像I2的旋转和尺度差异。因此只需要求解出L1和L2的平移量,即可获取到参考影像I1和输入影像I2之间的旋转角度和尺度因子。
具体地,包括如下子步骤:
步骤4.1,计算L1和L2的平移量:
A、设定L1和L2之间的平移量为(a0,b0),则有:
L2(x,y)=L1(x-a0,y-b0) (1)
B、L1和L2的3DFFT之间的关系为:
式中,3DF1和3DF2分别是L1和L2的三维傅里叶变换;
C、L1和L2的互功率谱为:
D、对L1和L2的互功率谱G(u,υ)进行三维快速傅里叶逆变换,得到一个冲击函数δ(x-a0,y-b0),该冲击函数的最大值位置则对应于L1和L2的平移量(a0,b0);
步骤4.2,根据L1和L2的平移量(a0,b0),利用公式(4)计算参考影像I1和输入影像I2的旋转角度θ和尺度因子s:
式中,N为三维特征表达图L1和L2的宽度;
步骤4.3,利用获得的旋转角度θ和尺度因子s对输入影像I2进行纠正,获得粗配准后的影像I3。
步骤5,利用三维相位相关的原理,通过计算参考影像I1和粗配准后的影像I3的平移量(x0,y0),实现参考影像I1和粗配准后的影像I3之间的精配准。
经过步骤4粗配准后,参考影像I1和粗配准后的影像I3之间,只存在一定平移差异(x0,y0)。由此,再次利用三维相位相关的原理计算参考影像I1和粗配准后的影像I3的平移量(x0,y0),可以实现参考影像I1和粗配准后的影像I3之间的精配准。具体包括如下子步骤:
步骤5.1,参照步骤2的方法,利用GAH算子计算参考影像I1和粗配准后的影像I3上每个像素点的GAH描述符,并将每个像素点的GAH描述符在Z方向进行排列,形成这两幅影像的全局三维特征表达图,分别命名为LGAH1和LGAH3;
步骤5.2,计算参考影像I1和粗配准后的影像I3的平移量(x0,y0),
A、设定LGAH1和LGAH3之间的平移量为(x0,y0),则有:
LGAH3(x,y)=LGAH1(x-x0,y-y0) (5)
B,利用公式(3)计算LGAH1和LGAH3的互功率谱G′(u,v);
C,对LGAH1和LGAH3的互功率谱G′(u,v)进行三维快速傅里叶逆变换,得到一个冲击函数δ′(x-x0,y-y0),该冲击函数的最大值位置则对应于参考影像I1和粗配准后的影像I3的平移量(x0,y0);
步骤5.3,利用参考影像I1和粗配准后的影像I3的平移量(x0,y0),对参考影像I1和粗配准后的影像I3进行精配准,由此最终消除了参考影像和输入影像之间的旋转、尺度和平移变化。通过试验验证,本发明能有效抵抗影像的辐射差异,能适用于任意旋转和尺度差异为9倍以内的多模态影像的自动配准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种尺度、旋转和辐射不变性的多模态影像配准方法,其特征在于,包括如下步骤:
步骤1,利用影像的梯度信息构建GAH描述符;
步骤2,根据步骤1的方法计算参考影像I1和输入影像I2上每个像素点的GAH描述符,并将每个像素点的GAH描述符在Z方向进行排列,形成这两幅影像的全局三维特征表达图,分别命名为IGAH1和IGAH2;
步骤3,对IGAH1和IGAH2每一层的特征图进行对数极坐标变换,获得转换后的两幅影像的全局三维特征表达图L1和L2;
步骤4,利用三维相位相关的原理,通过计算L1和L2的平移量获取参考影像I1和输入影像I2的旋转角度和尺度因子,实现参考影像I1和输入影像I2之间的粗配准,粗配准后的影像记为I3;
步骤5,利用三维相位相关的原理,通过计算参考影像I1和粗配准后的影像I3的平移量(x0,y0),实现参考影像I1和粗配准后的影像I3之间的精配准;
步骤1包括如下子步骤:
步骤1.1,以影像中的一个像素点P为中心,取半径为R的邻域,建立对数极坐标系;
步骤1.2,在该对数极坐标系下,角度被均分为n个方向,半径被划分为k等份,形成k×n个子区域;
步骤1.3,计算该邻域内所有像素的梯度方向和梯度幅值,并把梯度方向也划分为n个方向,并统计每个方向上所对应的对数极坐标子区域内的方向梯度幅值;
步骤1.4,将每个子区域内的方向梯度幅值串联起来,形成梯度角直方图,该梯度角直方图即为GAH描述符;
步骤4包括如下子步骤:
步骤4.1,计算L1和L2的平移量:
A、设定L1和L2之间的平移量为(a0,b0),则有:
L2(x,y)=L1(x-a0,y-b0) 1
B、L1和L2的3DFFT之间的关系为:
式中,3DF1和3DF2分别是L1和L2的三维傅里叶变换;
C、L1和L2的互功率谱为:
D、对L1和L2的互功率谱G(u,v)进行三维快速傅里叶逆变换,得到一个冲击函数δ(x-a0,y-b0),该冲击函数的最大值位置则对应于L1和L2的平移量(a0,b0);
步骤4.2,根据L1和L2的平移量(a0,b0),利用公式(4)计算参考影像I1和输入影像I2的旋转角度θ和尺度因子s:
式中,N为三维特征表达图L1和L2的宽度;
步骤4.3,利用获得的旋转角度θ和尺度因子s对输入影像I2进行纠正,获得粗配准后的影像I3;
步骤5包括如下子步骤:
步骤5.1,参照步骤2的方法,计算参考影像I1和粗配准后的影像I3上每个像素点的GAH描述符,并将每个像素点的GAH描述符在Z方向进行排列,形成这两幅影像的全局三维特征表达图,分别命名为LGAH1和LGAH3;
步骤5.2,计算参考影像I1和粗配准后的影像I3的平移量(x0,y0),
A、设定LGAH1和LGAH3之间的平移量为(x0,y0),则有:
LGAH3(x,y)=LGAH1(x-x0,y-y0) (5)
B,利用公式(3)计算LGAH1和LGAH3的互功率谱G′(u,v);
C,对LGAH1和LGAH3的互功率谱G′(u,v)进行三维快速傅里叶逆变换,得到一个冲击函数δ′(x-x0,y-y0),该冲击函数的最大值位置则对应于参考影像I1和粗配准后的影像I3的平移量(x0,y0);
步骤5.3,利用参考影像I1和粗配准后的影像I3的平移量(x0,y0),对参考影像I1和粗配准后的影像I3进行精配准。
2.根据权利要求1所述的尺度、旋转和辐射不变性的多模态影像配准方法,其特征在于,步骤1中,在利用影像的梯度信息构建GAH描述符时,需要将[0,360°]的梯度方向转换到[0,180°]之间进行GAH描述符统计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010160546.9A CN111462198B (zh) | 2020-03-10 | 2020-03-10 | 一种尺度、旋转和辐射不变性的多模态影像配准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010160546.9A CN111462198B (zh) | 2020-03-10 | 2020-03-10 | 一种尺度、旋转和辐射不变性的多模态影像配准方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111462198A CN111462198A (zh) | 2020-07-28 |
CN111462198B true CN111462198B (zh) | 2023-03-24 |
Family
ID=71682689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010160546.9A Active CN111462198B (zh) | 2020-03-10 | 2020-03-10 | 一种尺度、旋转和辐射不变性的多模态影像配准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111462198B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112614170B (zh) * | 2021-01-08 | 2022-08-05 | 上海交通大学 | 基于傅里叶功率谱的冷冻电镜单颗粒图像配准方法 |
CN113409369A (zh) * | 2021-05-25 | 2021-09-17 | 西安电子科技大学 | 基于改进rift的多模遥感图像配准方法 |
CN115775324B (zh) * | 2022-12-13 | 2024-01-02 | 武汉大学 | 一种交叉尺度滤波引导下的相位相关图像匹配方法 |
CN117765272B (zh) * | 2024-02-22 | 2024-05-28 | 国科大杭州高等研究院 | 一种辐射-几何不变的异源影像控制点提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0850654A (ja) * | 1994-08-05 | 1996-02-20 | Nec Corp | 3次元参照画像切り出し方法および装置 |
CN101944240A (zh) * | 2010-08-20 | 2011-01-12 | 浙江大学 | 多机器人三维几何地图的融合方法 |
CN102645970A (zh) * | 2011-02-22 | 2012-08-22 | 鸿富锦精密工业(深圳)有限公司 | 移动向量触发控制方法及使用其的电子装置 |
GB201701383D0 (en) * | 2017-01-27 | 2017-03-15 | Ucl Business Plc | Apparatus, method and system for alignment of 3D datasets |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7498811B2 (en) * | 2005-11-16 | 2009-03-03 | Macfarlane Duncan L | Apparatus and method for patient movement tracking |
-
2020
- 2020-03-10 CN CN202010160546.9A patent/CN111462198B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0850654A (ja) * | 1994-08-05 | 1996-02-20 | Nec Corp | 3次元参照画像切り出し方法および装置 |
CN101944240A (zh) * | 2010-08-20 | 2011-01-12 | 浙江大学 | 多机器人三维几何地图的融合方法 |
CN102645970A (zh) * | 2011-02-22 | 2012-08-22 | 鸿富锦精密工业(深圳)有限公司 | 移动向量触发控制方法及使用其的电子装置 |
GB201701383D0 (en) * | 2017-01-27 | 2017-03-15 | Ucl Business Plc | Apparatus, method and system for alignment of 3D datasets |
Non-Patent Citations (7)
Title |
---|
《A remote sensing adapted image registration method based on SIFT and phase congruency》;yuanxin ye 等;《 2011 International Conference on Image Analysis and Signal Processing》;20111222;全文 * |
Fourier-Mellin变换不同时相遥感影像自动配准研究;李锐等;《计算机工程与应用》;20100601(第16期);全文 * |
SAR和光学异源遥感图像匹配方法的探讨;张翰墨等;《测绘科学》;20121120(第06期);全文 * |
一种傅里叶――梅林变换空间图像快速配准算法;焦继超等;《兵工学报》;20101215(第12期);全文 * |
基于位相相关检测的图像配准算法;舒先标等;《光学技术》;20071115(第06期);全文 * |
基于归一化梯度相位相关的大尺度图像快速配准算法;陈怀玉等;《模式识别与人工智能》;20150815(第08期);全文 * |
结合相位和SIFT特征相关的图像自动配准算法;马超杰等;《激光与红外》;20110420(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111462198A (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111462198B (zh) | 一种尺度、旋转和辐射不变性的多模态影像配准方法 | |
US20200226413A1 (en) | Fast and robust multimodal remote sensing images matching method and system | |
CN102005047B (zh) | 图像配准***及其方法 | |
CN111223133B (zh) | 一种异源图像的配准方法 | |
CN105427298B (zh) | 基于各向异性梯度尺度空间的遥感图像配准方法 | |
US20150262346A1 (en) | Image processing apparatus, image processing method, and image processing program | |
CN108765476B (zh) | 一种偏振图像配准方法 | |
CN104751465A (zh) | 一种基于lk光流约束的orb图像特征配准方法 | |
CN106919944A (zh) | 一种基于orb算法的大视角图像快速识别方法 | |
CN107025449B (zh) | 一种视角不变局部区域约束的倾斜影像直线特征匹配方法 | |
CN105631872B (zh) | 基于多特征点的遥感图像配准方法 | |
CN106023187A (zh) | 一种基于sift特征和角度相对距离的图像配准方法 | |
Wang et al. | Automatic fundus images mosaic based on SIFT feature | |
CN115601407A (zh) | 一种红外与可见光图像配准方法 | |
Chen et al. | Image stitching algorithm research based on OpenCV | |
CN114066954B (zh) | 一种用于多模态图像的特征提取配准方法 | |
CN104966283A (zh) | 图像分层配准方法 | |
CN112149728B (zh) | 一种快速的多模态图像模板匹配方法 | |
CN105352482B (zh) | 基于仿生复眼微透镜技术的3‑3‑2维目标检测方法及*** | |
CN111047513B (zh) | 一种用于柱面全景拼接的鲁棒性图像对齐方法及装置 | |
CN112017221A (zh) | 基于尺度空间的多模态图像配准方法、装置和设备 | |
KR101673144B1 (ko) | 부분 선형화 기반의 3차원 영상 정합 방법 | |
CN111126508A (zh) | 一种基于hopc改进的异源图像匹配方法 | |
CN112435345B (zh) | 一种基于深度学习的人体三维测量方法及*** | |
CN115588033A (zh) | 基于结构提取的合成孔径雷达与光学图像配准***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |