2019-Recursive cascaded networks for unsupervised medical image registration-ICCV文献精读

定义了局部特征点对互信息量，并在两个合理的假设下提出了基于最大特征点对互信息量的一种新的图像配准方法。该方法包含了两个搜索过程：第一个过程是基于特征点对的全局搜索过程，该过程得到初始匹配点对；第二个过程是在初始匹配点对的邻域内利用互信息基本性质的局部搜索，该过程可以进一步提高匹配点对的精度。全局搜索过程能够提高搜索效率，而局部搜索又可以克服依赖于准确提取特征点的不足。最后通过理论分析和实验证明了所提出方法的有效性。

这是一种通用的多模态遥感图像匹配框架。该框架可以利用各种特征描述符如HOG、LSS、CFOG、各种梯度信息，相位信息，边缘信息等构建逐像素的三维特征表达图（不对具体特征进行限定），然后利用各种相似性测度如相关系数，灰度差平方和，欧式距离、互信息和相位相关等进行模板匹配（不对具体相似性测度进行限定），考虑到计算效率问题，我们推荐使用基于FFT的互相关做相似性测度。

提出一种快速高精度Fourier-Mellin变换图像配准方法，可提高高光谱成像过程中光谱复原的速度与精度。该方法运用两次局部上采样相位相关法，一次在对数极坐标域中估计旋转和缩放参数，另一次在笛卡尔坐标系中估计平移参数。引入梯度预处理过程，使算法更加稳健。介绍了Fourier-Mellin变换的原理，该变换可实现旋转和缩放参数的解耦合。在传统相位相关法的基础上介绍了局部上采样相位相关法。证明了梯度预处理过程的必要性。仿真结果表明，所提方法可以实现高精度的图像配准。

采用sift特征实现图像匹配，过程很详细，注释很详细，佩服，共享

该代码实现两幅图像之间的配准，相似性测度采用的是均方误差，优化算法使用的是常规梯度下降法。

DFT的matlab源代码基于FFT的图像配准 Imreg是一个Python库，它实现了基于FFT的技术，用于平移，旋转和比例不变的图像配准[1]。 作者： 组织： 加州大学尔湾分校荧光动力学实验室 执照： BSD 3句 版本： 2020.1.1 要求 （绘图可选） 笔记 Imreg不再被积极开发。 此实现主要用于教育目的。 正在开发一个改进的版本。 参考 基于FFT的平移，旋转和比例不变图像配准技术。 BS Reddy，BN Chatterji。 IEEE Transactions on Image Processing，5，1266-1271，1996 基于FFT的算法的IDL / ENVI实现，用于自动图像配准。 H Xiea，N Hicksa，GR Kellera，H Huangb，V Kreinovich。 计算机与地球科学，29，1045-1055，2003。 使用自适应极性变换的图像配准。 R Matungka，YF Zheng和RL Ewing。 IEEE Transactions on Image Processing，18（10），2009年。 例子 >>> im0

美国埃默里大学医学院Xiaofeng Yang老师课题组新出的这篇论文对近几年医学图像配准深度学习方法进行了全面综述，根据其方法、特征和流行程度分为七类，对每个类别进行了详细的调研，强调了其重要的点及其相应挑战，帮助读者更好地了解当前的研究现状和思路，并且使用基准数据集对基于深度学习的肺和脑配准方法进行了全面比较，最后也介绍了未来的研究方向。

非刚性图像配准技术在计算机领域中是一个重要的研究方向,也广泛应用在医学、天文和军事等领域。非刚性图像配准过程中,往往无法同时解决局部大形变和小形变的问题。针对此问题,结合归一化互信息图像配准的理论,提出基于互信息的Active Demons非刚性图像配准算法。该算法通过引入互信息来提高Active Demons算法的驱动力,同时采用待配准图像和原图像的互信息自适应地调节归一化因子α,再对医学图像、自然图像和合成图像进行测试仿真实验。实验结果表明:所提算法在配准精度和鲁棒性上优于原来的Active Demons算法,可以较好地处理大形变图像并保留其边缘特征,得到更好的配准精度和视觉效果。

matlab surf图像配准 图像检索 图像处理 模式识别 我本人的毕业设计 就是利用的surf来提取的特征，并进行相似度比较后，然后进行检索的。此程序对想利用surf的同学可以得到很大的帮助。surf比sift具有更快的速度，更好的配准率。