目标跟踪系列-融合-2. 多源传感器的空间配准

应用增强的相关系数（ECC）进行图像配准，是发表在2008年PAMI上的文章源码。-This is a Matlab implementation for the forwards additive version of ECC image alignment algorithm based on the paper "G.D. Evangelidis, E.Z. Psarakis, Parametric Image Alignment using Enhanced Correlation Coefficient Maximization", IEEE Trans. on PAMI, vol. 30, no. 10, 2008.

一种机载LiDAR和车载LiDAR点云的自动配准方法，张靖，沈欣，机载激光扫描（ALS）和车载激光扫描（MLS）是目前采集城区三维数据的重要手段。由于两者工作方式的局限性，都不能完整获取目标顶面

Visual C++ 图像配准 程序 源代码 可运行调试

1.领域：matlab，harris角点提取以及RANSAC算法 2.内容：【含操作视频】基于harris角点提取以及RANSAC算法的图像配准和拼接matlab仿真 3.用处：用于harris角点提取以及RANSAC算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

针对计算机辅助手术三维导航技术中术前CT图像与术中实际空间的配准问题，提出一种基于最近点迭代(ICP，herative Closest Point)算法的特征点云配准技术．利用医学图像空间和实际空间特征区域的两片点云坐标进行三维配准．对CT图像进行重建、分割及交互式操作得到医学图像特征点云；利用光学定位仪实时采集实际空间中对应区域的点云；通过主元分析(PCA，Principal Component Analysis)获取两组点云数据的特征向量进行初配准；进行最近点迭代使配准矩阵收敛到一个最优解，其中采用k

【图像融合】红外与可见光的融合与配准算法matlab源码.md

图像修复matlab代码Path_planning_for_FEVAR 通过可变形配准腹主动脉瘤的3D路径规划，进行机器人辅助的开窗血管内修复 要求 版本：Matlab R2016a至R2017a 平台：Windows，Linux 脚本'demo_2D3Dregist.m'： 这演示了如何从2D术中分割的动脉瘤形状和3D术前骨骼恢复机器人路径的3D骨骼，它将导入术前透视的2D jpg图像，2D分割标签和3D骨骼。 它将显示2D / 3D骨骼，术中（地面真实）骨骼，术前骨骼和我们的预测的注册时间成本，以及在2D和3D中评估的距离误差。 文件夹“功能”： 它包括为在2D和3D骨架之间进行可变形配准而编写的所有代码。 请仔细阅读每个文件中的许可证。 对于使用此文件夹中代码的任何学术出版物，请引用： 郑JQ，周XY，C。Riga和GZ Yang，“机器人辅助有条件的血管内主动脉修复的单一2D荧光镜图像的3D路径规划”，IEEE国际机器人与自动化会议（ICRA），2019年。 文件夹“数据”： 它包括演示中使用的导入数据。 文件夹“外部”： 它包括演示中使用的重新分配的代码。 请仔细阅读每个文件

这篇论文提出的稀疏迭代最近点算法具有较强的抗噪性，对包含噪声的点云数据进行配准时有较好的效果

可见一红外图像之间配准点的数量不足、分布严重不均匀以及配准点之间的错配率高这3个 核心问题，提出一种基于自适应特征点检测的可见一红外图像配准方法。方法本文提出的自适应特征点检测方 法，以Harris comer作为基本特征点；以特征点数目与空间分布为检测目标，从而自动地估计合适不同空间位置的 特征点的检测阈值。在特征点对匹配中，将梯度方向与互信息相融合有效地添加了相似性函数的空间位置信息。 结果 自适应Harris comer检测方法能够有效地提供空间分布均匀、数量充足的特征点。而梯度方向与互信息相 融合的相似性匹配函数提高特征点的匹配率20％，降低配准误差50％。结论 本文提出的多传感器图像配准方 法能够快速、准确地实现可见光图像与红外图像之间的配准，在CCD—IR图像融合领域具有很好的实用价值。