基于分块-空间聚类的图像配准算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (29): 53-55.

基于分块-空间聚类的图像配准算法

龚咏喜¹,刘瑜¹,谢玉波^2,3,杨平⁴,邬伦¹

1.北京大学遥感与地理信息系统研究所,北京 100871
2.武汉大学测绘遥感信息工程国家重点实验室,武汉 430079
3.华北计算技术研究所,北京 100083
4.广州市房地产测绘所,广州 510030

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-11 发布日期:2007-10-11
通讯作者: 龚咏喜

Image registration algorithm based on blocking-spatial clustering

GONG Yong-xi¹,LIU Yu¹,XIE Yu-bo^2,3,YANG Ping⁴,WU Lun¹

1.Institute of RS & GIS,Peking University,Beijing 100871,China
2.State Key Lab of Information Engineering in Surveying Mapping and Remote Sensing,Wuhan University,Wuhan 430079,China 3.North China Institute of Computing Technology,Beijing 100083,China
4.Real Estate Surveying and Mapping Office of Guangzhou,Guangzhou 510030,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-11 Published:2007-10-11
Contact: GONG Yong-xi

摘要/Abstract

摘要： 模板匹配算法应用广泛,但不能判断配准结果是否正确,也无法比较不同像对配准结果的准确程度。提出无变形、无旋转情况下分块-空间聚类的图像配准算法,将基准图分块在参考图上配准从而获得基准图的多个配准位置,并对这些位置进行空间聚类从而计算基准图的最后配准位置,并评估配准质量。试验表明该算法配准准确度高,能够正确评估配准质量并比较不同像对配准结果的准确程度。

关键词: 图像配准, 分块匹配, 空间聚类, 配准质量评估

Abstract: While widely used,algorithm of template matching can neither judge correctness of the result nor compare accuracy of registration results of different pairs of images.Image registration algorithm based on blocking-spatial clustering is presented while images have no distortion or rotation,in which the standard image is divided into several sub-blocks to register with the reference image,positions of standard image from sub-blocks are clustered to get the final registration position and the registration quality is evaluated.Experiments show that the algorithm not only features high accuracy but also can evaluate the registration quality correctly and compare accuracy of the different registration results.

Key words: Image registration, block matching, spatial cluster, registration quality evaluation

龚咏喜¹,刘瑜¹,谢玉波^2,3,杨平⁴,邬伦¹. 基于分块-空间聚类的图像配准算法[J]. 计算机工程与应用, 2007, 43(29): 53-55.

GONG Yong-xi¹,LIU Yu¹,XIE Yu-bo^2,3,YANG Ping⁴,WU Lun¹. Image registration algorithm based on blocking-spatial clustering[J]. Computer Engineering and Applications, 2007, 43(29): 53-55.

[1]	夏丹，周睿. 视差图像配准技术研究综述[J]. 计算机工程与应用, 2021, 57(2): 18-27.
[2]	郭艳芬，崔喆，杨智鹏，彭静，胡金蓉. 基于深度学习的医学图像配准技术研究进展[J]. 计算机工程与应用, 2021, 57(15): 1-8.
[3]	王雨思，路德杨，李海洋. 基于分式函数约束的稀疏子空间聚类方法[J]. 计算机工程与应用, 2020, 56(7): 39-47.
[4]	郑毅，马盈仓，杨小飞，续秋霞. 基于[k]-近邻与局部相似度的稀疏子空间聚类[J]. 计算机工程与应用, 2020, 56(4): 99-108.
[5]	刘天，曾亮. 纹理抑制的光照不均图像配准算法研究[J]. 计算机工程与应用, 2020, 56(23): 180-188.
[6]	闵超波. 基于自适应混合多项式变换的图像配准[J]. 计算机工程与应用, 2020, 56(23): 194-201.
[7]	朱丹，陈晓红，吴卿源，李舜酩. 自适应图学习诱导的子空间聚类[J]. 计算机工程与应用, 2020, 56(21): 30-37.
[8]	曾安，王烈基，潘丹，黄殷. 基于FCN和互信息的医学图像配准技术研究[J]. 计算机工程与应用, 2020, 56(18): 202-208.
[9]	郭圣，仲兆满，李存华. 基于深度自编码的多视图子空间聚类网络[J]. 计算机工程与应用, 2020, 56(17): 60-68.
[10]	李丹. 结构加权相关自适应子空间聚类[J]. 计算机工程与应用, 2020, 56(13): 137-142.
[11]	程德强，白春梦，郭昕，李腾腾，庄焕东，徐辉. 基于分层区域的自适应图像配准算法[J]. 计算机工程与应用, 2019, 55(17): 199-206.
[12]	张文元，谈国新，朱相舟. 停留点空间聚类在景区热点分析中的应用[J]. 计算机工程与应用, 2018, 54(4): 263-270.
[13]	解昊1，赵志刚1，吕慧显2，刘馨月1，刘成士1，董晓晨1. 非负局部约束低秩子空间聚类算法[J]. 计算机工程与应用, 2018, 54(23): 137-143.
[14]	贾雯晓1，张贵仓1，汪亮亮1，秦娜2. 基于SIFT和改进的RANSAC图像配准算法[J]. 计算机工程与应用, 2018, 54(2): 203-207.
[15]	杨树亮，毕硕本，Nkunzimana A，黄铜，万蕾. 一种出租车载客轨迹空间聚类方法[J]. 计算机工程与应用, 2018, 54(14): 249-255.