基于有限内存Broyden-Fletcher-Goldfarb-Shanno优化算法的图像非刚性配准方法

摘要

图像配准可以分为刚性配准和非刚性配准两类,图像非刚性配准是图像处理研究的热点和难点,其中的参数模型往往转化为无约束优化问题的求解,当参数数目较大时求解比较费时,提高此类算法效率的关键之一是减少迭代算法中矩阵的计算量和存储量.本文研究了一种非刚性配准方法,该方法应用Basic样条自由变形模型,此模型改变控制点只影响其附近局部区域的形状,可以通过计算变形场的偏移量来控制局部变形,隐含地强加了平滑约束,将此问题转化为求解无约束优化问题.同时应用有限内存Broyden-Fletcher-Goldfarb-Shanno优化方法求解代价函数的最优解,此优化方法避免了计算Hessian矩阵及其逆矩阵,而且不要求存储矩阵,降低了计算量和存储量,减少内存开销,使得优化时间大为缩短.实验证明该方法不仅效率高,而且配准效果好.