فهرس المقالات Image registration

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - Simultaneous Methods of Image Registration and Super-Resolution Using Analytical Combinational Jacobian Matrix
  Hossein  Rezayi Seyed Alireza  Seyedin
  10.7508/jist.2015.03.008
  In this paper we propose two new simultaneous image registration (IR) and super-resolution (SR) methods using a novel approach to calculate the Jacobian matrix. SR is the process of fusing several low resolution (LR) images to reconstruct a high resolution (HR) image; h أکثر

  In this paper we propose two new simultaneous image registration (IR) and super-resolution (SR) methods using a novel approach to calculate the Jacobian matrix. SR is the process of fusing several low resolution (LR) images to reconstruct a high resolution (HR) image; however as inverse problem it consists of three principal operations of warping, blurring and down-sampling should be applied to the desired HR image to produce the existing LR images. Unlike the previous methods, we neither calculate the Jacobian matrix numerically nor derive the Jacobian matrix by treating the three principal operations separately. We develop a new approach to derive the Jacobian matrix analytically from combinational form of the three principal operations. In this approach, a Gaussian kernel (as it is more realistic in a wide rang of applications) is considered for blurring, which can be adaptively resized for each LR image. The main intended method is established by applying the aforementioned ideas to the joint methods, a class of simultaneous iterative methods in which the incremental values for both registration parameters and HR image are obtained by solving one system of equations per iteration. Our second proposed method is formed by applying these ideas to the alternating minimization (AM) methods, a class of simultaneous iterative methods in which the incremental values of registration parameters are obtained after calculating the high resolution image at each iteration. The results show that our methods are superior to the recently proposed methods such as Tian's joint and Hardie's AM method. Additionally, the computational cost of our proposed methods has also been reduced. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - Remote Sensing Image Registration based on a Geometrical Model Matching
  Zahra Hossein-Nejad Hamed Agahi Azar Mahmoodzadeh
  10.52547/jist.9.36.41
  Remote sensing image registration is the method of aligning two images from the same scene taken under different imaging circumstances containing different times, angles, or sensors. Scale-invariant feature transform (SIFT) is one of the most common matching methods pre أکثر

  Remote sensing image registration is the method of aligning two images from the same scene taken under different imaging circumstances containing different times, angles, or sensors. Scale-invariant feature transform (SIFT) is one of the most common matching methods previously used in the remote sensing image registration. The defects of SIFT are the large number of mismatches and high execution time due to the high dimensions of classical SIFT descriptor. These drawbacks reduce the efficiency of the SIFT algorithm. To enhance the performance of the remote sensing image registration, this paper proposes an approach consisting of three different steps. At first, the keypoints of both reference and second images are extracted using SIFT algorithm. Then, to increase the speed of the algorithm and accuracy of the matching, the SIFT descriptor with the vector length of 64 is used for keypoints description. Finally, a new method has been proposed for the image matching. The proposed matching method is based on calculating the distances of keypoints and their transformed points. Simulation results of applying the proposed method to some standard databases demonstrated the superiority of this approach compared with some other existing methods, according to the root mean square error (RMSE), precision and running time criteria. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - یک روش مبتنی بر یادگیری چنددقتی برای تطبیق تصاویر پزشکی چندکیفیتی
  سیده‌سمیه آل حجت خسمخی محمدرضا کیوان‌پور
  هدف اصلی در روش‌های مختلف تطبیق تصویر، پیداکردن پارامترهای تبدیل برای نگاشت دقیق یک تصویر بر روی مختصات تصویر دیگر است. در پزشکی، برقراری ارتباط دقیق میان داده‌های تصاویر پزشکی درکاربردهایی نظیر تشخیص و درمان از اهمیت بسیاری برخوردار است و بر این اساس، روش‌های متعددی بر أکثر

  هدف اصلی در روش‌های مختلف تطبیق تصویر، پیداکردن پارامترهای تبدیل برای نگاشت دقیق یک تصویر بر روی مختصات تصویر دیگر است. در پزشکی، برقراری ارتباط دقیق میان داده‌های تصاویر پزشکی درکاربردهایی نظیر تشخیص و درمان از اهمیت بسیاری برخوردار است و بر این اساس، روش‌های متعددی براي تطبیق تصاویر ارائه شده است. مقایسه نتایج الگوریتم‌های مختلف، انگیزه اصلی این پژوهش گردیده تا بتوان الگوریتم جدید ترکیبی ارائه و پیاده‌سازی نمود که از دقت بالایی برای تطبیق تصاویر چندکیفیتی برخوردار باشد. خودکارسازی فرایند تطبیق با بهره‌گیری از رویکرد یادگیری ماشین، نوآوری مقاله حاضر نسبت به روش‌های پیشین به شمار می‌رود. به این منظور، روش پیشنهادی به نام یادگیری چنددقتی از ترکیب یک روش تجزیه چنددقتی و یک شبکه عصبی سلسله مراتبی بهره می‌گیرد که با استفاده از ویژگی‌های سراسری تصویر، پارامترهای تبدیل را یاد گرفته و از پارامترهایِ تبدیلِ به دست آمده از فرایند یادگیری ، برای تطبیق تصاویر استفاده می‌کند. روش پیشنهادی بر روی پایگاه داده تصاویر پزشکی دانشگاه واندربیلت پیاده‌سازی و آزمون شده و نتایج به دست آمده دقت قابل قبولی را برای روش پیشنهادی در مقایسه با سایر روش‌ها نشان می‌دهد. تفاصيل المقالة