考虑局部几何结构约束的非刚性点集配准方法及其在智能车中的应用研究
发布时间：2021-11-20 04:34
点集配准是计算机视觉和模式识别领域的一个基础而关键的问题,主要在于如何寻找给定两组或多组点集的对应关系。当前其在医学图像分析、遥感图像处理和人脸识别等领域广泛应用,故对点集配准进行研究具有重要的理论和实际意义。通过对国内外的点集配准技术进行大量调研和分析,总结当前不同的非刚性点集配准方法的优缺点;进而,本文以非刚性点集配准为研究对象,提出一种考虑局部几何结构约束的非刚性点集配准方法;然后,为了解决智能车多传感器系统中航迹关联时存在的检测不准确或传感器偏差问题,本文建立一种基于点集配准思想的航迹关联方法,实现点集配准在智能车中的应用。本文的主要研究内容如下:1.较为详细的总结当前主流的非刚性点集配准方法。本文针对现有的非刚性点集配准算法,进行了较为详细的总结,指出现有方法存在的不足之处,并且通过大量仿真实验验证现有算法的性能,从而得出基于一致点漂移的保持全局和局部结构的非刚性点集配准方法在准确性和计算复杂度两方面综合优于其他同类算法。2.提出一种考虑局部几何结构约束的非刚性点集配准方法。本文通过构建混合高斯模型,将点集配准问题转化为最大似然估计问题,进而引入两种局部特征结构以保持同一点集...
【文章来源】：重庆邮电大学重庆市
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
刚性点集配准前后图
重庆邮电大学硕士学位论文第1章绪论2和非刚性点集配准，刚性点集配准中的变换关系主要是线性关系，如缩放、旋转及平移等，配准前后如图1.1所示；非刚性点集配准中的变换关系往往是非线性或仿射变换，即各点集之间存在非刚性形变，配准前后如图1.2所示，具体的技术原理可参考1.2节。图1.1刚性点集配准前后图图1.2非刚性点集配准前后图另外，点集配准技术有着极其广泛的应用背景，例如生物医学、遥感地理和智能网联汽车等新兴关键领域。在生物医学方面，主要利用点集配准方法对生物细胞图像进行配准，从而有利于医生或研究人员观察组织变化等。G.Wu等[7]针对活细胞成像，提出了一种基于快速点集的图像配准方法，用于抑制整个单元在图像数据中的运动。M.W.A.Caan等[8]针对临床上的扩散张量图像，提出一种白质纤维束非刚性配准的方法，其主要思想是通过聚类和点集配准，寻找纤维点集之间的空间关系。另外，在医学图像分析方面，当一些身体部位存在细微病变无法由肉眼看到时，医生对病人的医学图像进行分析和诊断后容易造成误诊，甚至耽误病情。但是随着计算机的发展，点集配准技术的出现，可极大降低这种情况的概率。技术人员通过将患者的医学图像建成数据库，利用点集配准技术把被检测人员的图像与患者的图像进行配准，以发现是
重庆邮电大学硕士学位论文第1章绪论3否有存在病变的部位，从而减少误诊，如图1.3所示为同济大学王刚课题组[9]利用点集配准技术在三维医学数据中的验证示例。T.Nguyen等[10]提出一种基于核相关性有限高斯混合模型的非刚性点集配准方法，并在4D电子计算机断层扫描（ComputedTomography。CT）图像中验证了算法的有效性和鲁棒性。中南民族大学陆雪松等[11]针对非刚性的医学图像配准，利用点集配准中的Renyi’sentropy度量算法，提出一种基于联合Renyi-entropy度量的保留全局和局部特征的非刚性配准算法，并在36对宫颈磁共振图像上验证，克服了因图像局部灰度分布不一致造成的影响，为临床的精确诊疗提供科学依据。南昌航空大学张桂梅等[12]针对现有医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢问题，提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准。图1.3点集配准在医学图像上的应用在遥感地理方面，点集配准可用来比较国家地理或世界地理的发展情况，如图1.4所示为武汉大学MaJiayi课题组[13]利用点集配准技术在遥感地理图像中验证的示例。当国家技术人员对遥感卫星传回的图像进行处理时，往往存在不同时刻、不同传感器、不同地点传回图像的配准问题，随着点集配准技术发展，可对不同图像进行配准，以进行国家地理和世界地理勘探，反映出一个地区甚至国家的动态变换信息，如城市变迁、道路扩建改动、植被变化以及土壤侵蚀等，对国家发展和地理研究具有重要意义。J.Jiang[14]等针对遥感图像，提出了一种精确且鲁棒的集成空间结构约束点集配准算法，此方法先建立初步匹配关系，再删除异常对应关系。J.Ma等[15]提出基于局部线性变换的非刚性点集配准方法，并由此提出
【参考文献】：
期刊论文
[1]基于自适应分数阶的医学图像非刚性配准[J]. 张桂梅,胡强,郭黎娟. 自动化学报. 2020(09)
[2]基于全局与局部相似性测度的非刚性点集配准[J]. 彭磊,杨秀云,张裕飞,李光耀. 计算机应用. 2019(10)
[3]基于图像混合特征的城市绿地遥感图像配准[J]. 高雪艳,潘安宁,杨扬. 浙江大学学报(工学版). 2019(06)
[4]基于双特征高斯混合模型和双约束空间变换的配准[J]. 魏梓泉,杨扬,张愫,杨昆. 软件学报. 2018(11)
[5]基于双特征的丘陵山区耕地低空遥感图像配准算法[J]. 宋飞,杨扬,杨昆,张愫,毕东升. 北京航空航天大学学报. 2018(09)
[6]基于GPS车辆数据和图像配准的道路中心线提取[J]. 王馨苑,周绍光,胡屹群. 地理空间信息. 2018(01)
[7]基于高斯混合模型-地球移动距离的点集配准算法[J]. 李亮,杨明,王春香,王冰. 华中科技大学学报(自然科学版). 2017(10)
[8]利用混合特征的多视角遥感图像配准[J]. 吴芳青,杨扬,潘安宁,杨昆. 中国图象图形学报. 2017(08)
[9]一种面向医学图像非刚性配准的多维特征度量方法[J]. 陆雪松,涂圣贤,张素. 自动化学报. 2016(09)
[10]基于邻域结构和高斯混合模型的非刚性点集配准算法[J]. 彭磊,李光耀,肖莽,王刚,谢力. 电子与信息学报. 2016(01)
硕士论文
[1]基于高斯混合模型的多模态过程监测[D]. 孙健芳.东北大学 2013
[2]一种结合边缘特征和互信息的图像配准方法[D]. 陈东.大连理工大学 2007
本文编号：3506575
【文章来源】：重庆邮电大学重庆市
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
刚性点集配准前后图
重庆邮电大学硕士学位论文第1章绪论2和非刚性点集配准，刚性点集配准中的变换关系主要是线性关系，如缩放、旋转及平移等，配准前后如图1.1所示；非刚性点集配准中的变换关系往往是非线性或仿射变换，即各点集之间存在非刚性形变，配准前后如图1.2所示，具体的技术原理可参考1.2节。图1.1刚性点集配准前后图图1.2非刚性点集配准前后图另外，点集配准技术有着极其广泛的应用背景，例如生物医学、遥感地理和智能网联汽车等新兴关键领域。在生物医学方面，主要利用点集配准方法对生物细胞图像进行配准，从而有利于医生或研究人员观察组织变化等。G.Wu等[7]针对活细胞成像，提出了一种基于快速点集的图像配准方法，用于抑制整个单元在图像数据中的运动。M.W.A.Caan等[8]针对临床上的扩散张量图像，提出一种白质纤维束非刚性配准的方法，其主要思想是通过聚类和点集配准，寻找纤维点集之间的空间关系。另外，在医学图像分析方面，当一些身体部位存在细微病变无法由肉眼看到时，医生对病人的医学图像进行分析和诊断后容易造成误诊，甚至耽误病情。但是随着计算机的发展，点集配准技术的出现，可极大降低这种情况的概率。技术人员通过将患者的医学图像建成数据库，利用点集配准技术把被检测人员的图像与患者的图像进行配准，以发现是
重庆邮电大学硕士学位论文第1章绪论3否有存在病变的部位，从而减少误诊，如图1.3所示为同济大学王刚课题组[9]利用点集配准技术在三维医学数据中的验证示例。T.Nguyen等[10]提出一种基于核相关性有限高斯混合模型的非刚性点集配准方法，并在4D电子计算机断层扫描（ComputedTomography。CT）图像中验证了算法的有效性和鲁棒性。中南民族大学陆雪松等[11]针对非刚性的医学图像配准，利用点集配准中的Renyi’sentropy度量算法，提出一种基于联合Renyi-entropy度量的保留全局和局部特征的非刚性配准算法，并在36对宫颈磁共振图像上验证，克服了因图像局部灰度分布不一致造成的影响，为临床的精确诊疗提供科学依据。南昌航空大学张桂梅等[12]针对现有医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢问题，提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准。图1.3点集配准在医学图像上的应用在遥感地理方面，点集配准可用来比较国家地理或世界地理的发展情况，如图1.4所示为武汉大学MaJiayi课题组[13]利用点集配准技术在遥感地理图像中验证的示例。当国家技术人员对遥感卫星传回的图像进行处理时，往往存在不同时刻、不同传感器、不同地点传回图像的配准问题，随着点集配准技术发展，可对不同图像进行配准，以进行国家地理和世界地理勘探，反映出一个地区甚至国家的动态变换信息，如城市变迁、道路扩建改动、植被变化以及土壤侵蚀等，对国家发展和地理研究具有重要意义。J.Jiang[14]等针对遥感图像，提出了一种精确且鲁棒的集成空间结构约束点集配准算法，此方法先建立初步匹配关系，再删除异常对应关系。J.Ma等[15]提出基于局部线性变换的非刚性点集配准方法，并由此提出
【参考文献】：
期刊论文
[1]基于自适应分数阶的医学图像非刚性配准[J]. 张桂梅,胡强,郭黎娟. 自动化学报. 2020(09)
[2]基于全局与局部相似性测度的非刚性点集配准[J]. 彭磊,杨秀云,张裕飞,李光耀. 计算机应用. 2019(10)
[3]基于图像混合特征的城市绿地遥感图像配准[J]. 高雪艳,潘安宁,杨扬. 浙江大学学报(工学版). 2019(06)
[4]基于双特征高斯混合模型和双约束空间变换的配准[J]. 魏梓泉,杨扬,张愫,杨昆. 软件学报. 2018(11)
[5]基于双特征的丘陵山区耕地低空遥感图像配准算法[J]. 宋飞,杨扬,杨昆,张愫,毕东升. 北京航空航天大学学报. 2018(09)
[6]基于GPS车辆数据和图像配准的道路中心线提取[J]. 王馨苑,周绍光,胡屹群. 地理空间信息. 2018(01)
[7]基于高斯混合模型-地球移动距离的点集配准算法[J]. 李亮,杨明,王春香,王冰. 华中科技大学学报(自然科学版). 2017(10)
[8]利用混合特征的多视角遥感图像配准[J]. 吴芳青,杨扬,潘安宁,杨昆. 中国图象图形学报. 2017(08)
[9]一种面向医学图像非刚性配准的多维特征度量方法[J]. 陆雪松,涂圣贤,张素. 自动化学报. 2016(09)
[10]基于邻域结构和高斯混合模型的非刚性点集配准算法[J]. 彭磊,李光耀,肖莽,王刚,谢力. 电子与信息学报. 2016(01)
硕士论文
[1]基于高斯混合模型的多模态过程监测[D]. 孙健芳.东北大学 2013
[2]一种结合边缘特征和互信息的图像配准方法[D]. 陈东.大连理工大学 2007
本文编号：3506575
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3506575.html
最近更新
教材专著
