基于演化建模的图像配准模型

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (35): 71-73.

基于演化建模的图像配准模型

王宗跃^1,2,张建伟³,黄樟灿⁴

1．集美大学计算机工程学院，福建厦门 361021
2．武汉大学遥感信息工程学院，武汉 430072
3．武汉大学软件工程国家重点实验室，武汉 430072
4．武汉理工大学理学院，武汉 430070

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-12-11 发布日期:2007-12-11
通讯作者: 王宗跃

Image registration model based on evolutionary modeling

WANG Zong-yue^1,2,ZHANG Jian-wei³,HUANG Zhang-can⁴

1．Computer Engineering College，Jimei University，Xiamen，Fujian 361021，China
2．School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430072，China
3．State Key Laboratory of Software Engineering，Wuhan University，Wuhan 430072，China
4．School of Science，Wuhan University of Technology，Wuhan 430070，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-12-11 Published:2007-12-11
Contact: WANG Zong-yue

摘要/Abstract

摘要： 传统的多项式配准模型原理直观，计算简单，但由于采用多项式建立模型，往往带有局限性，对于复杂的配准可能无效；传统的物理配准模型虽然配准精度较高，但对成像的各种因素需要精确掌握，实际操作难度较大。演化建模只需要根据问题的特征来确定模型结构的一些基本组成单元，就可以自动建立较为精确的模型。针对以上传统图像配准模型的不足，并考虑到演化建模具有智能挖掘模型的优点，提出了一种基于演化建模的图像配准模型。最后给出了该方法在图像配准中的实验，实验结果表明该方法有较高配准精度，适用于图像配准。

关键词: 图像配准, 演化建模, 多表达式编程

Abstract: Traditional image registration model can be categorized to general model and physical model.General model is easy to compute，but usually inaccurate.The reason is limitation of using polynomia to build model.Physical model is accurate，but it calls for a lot of specialty knowledge.Evolutionary modeling can build accurate model automatically by evolutionary algorithms.It only needs to confirm a few elementary model structure units for the problem.Considering the shortcomings of traditional imaging registration model and the advance of evolutionary，this paper proposed a new image registration model based on evolutionary modeling.An image registration experiment is given in the last.Both of general model and evolutionary model are tested.The experiment result indicated that the evolutionary model has high precision for image registration and it is fit for image registration.

Key words: image registration, evolutionary modeling, Multi-Expression Programming（MEP）

王宗跃^1,2,张建伟³,黄樟灿⁴. 基于演化建模的图像配准模型[J]. 计算机工程与应用, 2007, 43(35): 71-73.

WANG Zong-yue^1,2,ZHANG Jian-wei³,HUANG Zhang-can⁴. Image registration model based on evolutionary modeling[J]. Computer Engineering and Applications, 2007, 43(35): 71-73.

[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]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	曹国刚，张晴，张培君，王志敏. 基于多核并行化差异进化算法的图像配准方法[J]. 计算机工程与应用, 2017, 53(20): 166-172.
[9]	雒培磊1，李国庆2，曾怡1. 一种改进的基于深度学习的遥感影像拼接方法[J]. 计算机工程与应用, 2017, 53(20): 180-186.
[10]	张卫国，李景妹. 改进的基于纹理特征的图像配准算法[J]. 计算机工程与应用, 2016, 52(6): 214-218.
[11]	卫建龙1，田铮1，2，延伟东1，范明1. 图像多尺度配准的小波域SURF算法[J]. 计算机工程与应用, 2014, 50(21): 200-204.
[12]	邓朝省，陈莹. 基于局部SIFT特征点的双阈值配准算法[J]. 计算机工程与应用, 2014, 50(2): 189-193.
[13]	杨宇光1，2，滕义伟1. 改进多尺度特征提取的图像配准算法研究[J]. 计算机工程与应用, 2014, 50(15): 157-163.
[14]	耿佳佳1，康晓东1，王昊1，2，于文勇1. 基于Gabor滤波器和聚类的图像配准算法[J]. 计算机工程与应用, 2014, 50(10): 193-196.
[15]	赵钰1，朱俊平1，亢娟娜1，2. 改进的区域互信息和小波变换的图像配准[J]. 计算机工程与应用, 2013, 49(21): 152-155.