小波神经网络在图像配准中的应用

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (31): 191-193.

• 图形、图像、模式识别 • 上一篇下一篇

小波神经网络在图像配准中的应用

舒小华1，2，沈振康1，曾广胜3，龙永红2

1.国防科技大学 ATR实验室，长沙 410073
2.湖南工业大学电气与信息工程学院，湖南株洲 412008
3.湖南工业大学包装新材料与技术重点实验室，湖南株洲 412007

出版日期:2012-11-01 发布日期:2012-10-30

Wavelet neural network application in image registration

SHU Xiaohua1，2, SHEN Zhenkang1, ZENG Guangsheng3, LONG Yonghong2

1.ATR Lab, National University of Defense Technology, Changsha 410073, China
2.College of Electrical and Information Engineering, Hunan University of Technology, Zhuzhou, Hunan 412008, China
3.Key Lab of New Material and Technology for Package, Hunan University of Technology, Zhuzhou, Hunan 412007, China

Online:2012-11-01 Published:2012-10-30

摘要/Abstract

摘要： 提出了一种基于小波网络的图像配准方法。将特征点定义进行了推广，提出了一种以特征区域定义和提取方法。使用Zernike矩表征区域的特征并进行特征区域的对应。因图像配准变换是复杂且难以预知的，利用小波神经网络具有良好的函数逼近性能，提出了具有局域特性的小波神经网络模型逼近图像的配准变换。实验表明这是一种有效的图像配准方法。

关键词: 图像配准, 特征区域, Zernike矩, 小波网络

Abstract: A method for image registration based on wavelet neural network is proposed. The definition of feature points is extended, and a method of definition and extraction of feature region is put forward. The regional characteristic is charactered and corresponded with Zernike moments. For image registration transformation is complex and unpredictable, wavelet neural network has a good approximation performance in the local domain, so it is applied to simulating image registration transform. The experiments show that it is an effective method for image registration.

Key words: image registration, feature region, Zernike moment, wavelet neural network

舒小华1，2，沈振康1，曾广胜3，龙永红2. 小波神经网络在图像配准中的应用[J]. 计算机工程与应用, 2012, 48(31): 191-193.

SHU Xiaohua1，2, SHEN Zhenkang1, ZENG Guangsheng3, LONG Yonghong2. Wavelet neural network application in image registration[J]. Computer Engineering and Applications, 2012, 48(31): 191-193.

[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]	万丽1，李晓芬2，冯为嘉3，龙帮强4，朱均超1. 基于MSCR与CS-LBP的鱼眼图像特征区域匹配方法[J]. 计算机工程与应用, 2017, 53(12): 208-213.
[11]	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.
[12]	朱黎辉，李晓宁. 基于多特征组合的球形果蔬智能分选方法[J]. 计算机工程与应用, 2016, 52(5): 173-178.
[13]	吴叶兰1，2，秦艳红1，张之敬2. 基于显微视觉的微小型零件边缘检测技术研究[J]. 计算机工程与应用, 2016, 52(17): 266-270.
[14]	张晓林1，周哲海1，2，王晓玲1，祝连庆1，2. 基于改进Zernike方法实现圆形边缘亚像素检测[J]. 计算机工程与应用, 2015, 51(20): 157-161.
[15]	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.

小波神经网络在图像配准中的应用

Wavelet neural network application in image registration

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics