文献类型：期刊文章

作　　者：张桂梅[1] 孙晓旭[1] 刘建新[2] 储珺[1]

ZHANG Gui-Mei;SUN Xiao-Xu;LIU Jian-Xin;CHU Jun(Key Laboratory of Jiangxi Province for Image Processing and Pattern Recognition, Nanchang Hangkong University, Nanchang 330063;School of Mechanical Engineering, Xihua)

机构地区：[1]南昌航空大学江西省图像处理与模式识别重点实验室,南昌330063 [2]西华大学机械工程学院,成都610039

出　　处：《自动化学报》

基　　金：国家自然科学基金(61462065;61661036);江西省自然科学基金(20151BAB207036);江西省科技支撑计划重点项目(20161BBF60091)资助~~

年　　份：2017

卷　　号：43

期　　号：12

起止页码：2213-2224

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、MR、PUBMED、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：图像的非刚性配准在计算机视觉和医学图像分析中有着重要的作用.TV-L^1(全变分L^1范数、Total variation-L^1)光流模型是解决非刚性配准问题的有效方法,但TV-L^1光流模型的正则项是一阶导数,会导致纹理特征等具有弱导数性质的信息模糊.针对该问题,将G-L(Grünwald-Letnikov)分数阶引入TV-L^1光流模型,提出基于G-L分数阶微分的TV-L^1光流模型,并应用原始–对偶算法求解该模型.新的模型用G-L分数阶微分代替正则项中的一阶导数,由于分数阶微分比整数阶微分具有更好的细节描述能力,并能有效地、非线性地保留具有弱导数性质的纹理特征,从而提高图像的配准精度.另外,通过实验给出了配准精度与G-L分数阶模板参数之间的关系,从而为模板最佳参数的选取提供了依据.尽管不同类型的图像其最佳参数是不同的,但是其最佳配准阶次一般在1～2之间.理论分析和实验结果均表明,提出的新模型能够有效地提高图像配准的精度,适合于包含较多弱纹理和弱边缘信息的医学图像配准,该模型是TV-L^1光流模型的重要延伸和推广.

关 键 词：分数阶微分 Grünwald-Letnikov  TV-L^1模型  光流场 弱纹理  非刚性配准

分 类 号：TP391.41]