医学图像配准技术研究

医学图像配准是图像处理和计算机视觉中一个很重要的研究领域.首先分析医学图像配准的四个关键要素,然后着重从变换模型、相似性度量两个方面探讨了医学图像配准技术的发展,最后提出医学图像配准中有待进一步研究的问题.     

基于MRF模型的多模态图像配准技术研究

在医学图像处理领域中,医学图像配准技术极其重要,其价值体现在临床医学中对图像处理技术的应用。在解决多模态图像配准的相关问题时,基于互信息方法的应用最广泛,但在某些特定的应用中该方法受到的约束仍然较多。针对这一情况,提出一种新的医学图像配准算法,模态变换的引入作为此研究算法的基础,之后新的马尔可夫能量函数则根据两幅通过模态变换后的图像矩阵以及原配准图像得以构建。同时,为了优化能量函数引入了一种改进的梯度下降算法,从而得到配准结果。最后,运用不同的医学图像进行配准实验来验证该算法,通过实验证明该配准算法具有良好的有效性及抗噪性能。     

一种基于虚拟三角形的图像自动配准方法

图像配准是图像处理和分析的关键技术之一.本文提出了一种基于虚拟三角形的图像自动配准方法来处理具有全局刚体变换的图像配准问题.该方法主要分三步:首先采用改进的Harris算子从参考图像和待配准图像中分别提取角点特征,将每三个角点顺次连接起来构成一个虚拟三角形;然后运用刚体变换模型下匹配虚拟三角形对全等的准则找到全等性最好的一对虚拟三角形,利用它们的对应顶点求解刚体变换模型参数的初始值;最后根据刚体变换模型参数的初始值和一个预设的门限得到所有的匹配角点特征,通过它们求得最终的刚体变换模型参数.实际图像实验结果表明:本文提出的图像自动配准方法是正确和有效的,并具有较高的配准精度.     

一种适应于旋转、平移和大尺度变换的图像配准方法研究

传统的基于Fourier-Mellin变换的图像配准算法对配准存在较小旋转、平移和尺度变换的图像对十分有效,但由于有限采样图像的旋转和缩放与离散傅立叶变换的不可交换性,以及采样和插值误差的存在,该算法对尺度变形较大的图像不再适用.本文深入分析了算法产生误差的根本原因,考察了误差对离散图像的傅立叶功率谱产生的影响,然后综合运用加窗和滤波等手段去除假象、改善频谱,改进后的算法可配准的尺度范围扩展到0.29～5,能满足绝大多数应用的需求.     

基于互信息的红外与可见光图像快速配准

针对灰度和图像特征存在较大差异的可见光和红外图像配准,给出了一种基于归一化互信息与小波变换相结合的快速图像配准算法。实验表明,该算法加快了配准过程,较利用原图像配准速度提高了约一个数量级,且配准结果具有较高的准确性和稳定性。可见该算法适用于多光谱图像配准。     

一种非特征的3D图像快速刚性配准方法

3D图像刚性配准旨在将一个图像映射到另一个具有相同场景的图像上,已经在医学诊断和其它领域中得到了广泛的应用.已有的方法大都基于特征点和针对特定的约束条件,带来了特征选择耗时多,随机性强,而且约束条件使用不灵活等问题.针对这些问题,提出直接使用图像灰度值的无特征3D刚性配准方法.该方法使用泰勒展开式和最小二乘法直接计算待配准图像的变换参数,并且使用较少的数据点完成快速的配准.实验结果表明,提出的算法获得较高的精度,并且使用少量的数据仍可以有效计算,这一特性使得它在大数据3D图像应用中更有吸引力.     

基于改进光流场和尺度不变特征变换的非刚性医学图像配准

该文对传统的变分光流模型进行了改进,结合尺度不变特征变换(SIFT)特征点提取提出一种新颖的非刚性医学图像配准算法.该算法模型使用亮度守恒与梯度守恒假设相结合的数据项,很好地解决了对医学图像中局部病灶异常、亮度不均匀等区域的处理问题;通过采用自适应的各向异性正则项,解决了传统光流模型中的过平滑所导致的图像严重模糊和重要细节丢失的问题;通过结合SIFT特征点提取,并采用多分辨率分层细化、内部不动点迭代以及由粗到细的变形技术求解策略,很好地解决了传统光流场模型无法对大形变医学图像以及细节进行配准的问题.实验证明:该文的模型和算法可以很好地实现对医学图像的非刚性配准.     

基于级联变换的光学和SAR图像配准算法

针对光学和SAR(Synthetic Aperture Radar)图像配准中存在明显辐射和几何差异的问题,提出了一种基于级联变换的多源遥感图像配准方法.首先,利用灰度变换提取光学和SAR图像间的稳定结构特征,去除辐射差异性;然后,提出一种新的加权对数极坐标变换算法,解决图像间全局几何差异性,保证算法的尺度和旋转不变性,并初步得到整体的平移量;最后,通过局部几何变换,得到一系列的匹配点对,构建薄板样条模型,实现图像的精确配准.实验验证了算法去除辐射差异性和获得全局几何变换参数的能力,与传统的多源图像配准算法相比,基于级联变换的配准算法鲁棒性好,配准精度高.     

基于ITK实现多模态医学图像配准

多模态医学图像配准是医学图像配准领域的一项关键技术.目前,医学图像配准技术已经拥有了不少成熟的算法,但因其算法本身的复杂性或编程的复杂性,给许多致力于医学图像的分析处理和应用研究但又缺乏软件开发经验的研究人员增加了研究工作的难度.以基于互信息的多模态医学图像配准算法为例,将ITK有关类库函数应用于医学图像配准中.给出了基于ITK实现图像配准的处理流程、数据输入输出方式以及算法的编译和运行方法.实例表明,基于ITK的配准算法简化了医学图像配准程序的开发工作,为医学图像引导临床诊断的研究应用提供参考.     

基于傅里叶变换的遥感图像配准

针对存在平移、旋转和尺度关系的多传感器、多谱段遥感图像配准问题,提出了一种基于边缘特征提取和伪对数极坐标傅里叶变换（EPLPFFT）的频域配准技术。采用边缘检测等图像预处理技术。提取了图像的大部分共有显著特征,有效消除了图像间的灰度差异;利用伪对数极坐标离散傅里叶变换（DFT）,改善了对数极坐标DFT的计算精度,从而可以通过对数极坐标频域配准技术配准经边缘提取后的特征图像。遥感图像的配准实验证实了这一方法的稳健性和配准精度。     

基于距离变换和非线性规划理论的三维图像表皮配准的研究

本文提出一种基于距离变换和非线性规划的三维图像匹配方法,对物体表皮配准进行了深入的研究;它基于一种简便且易于实现的三维距离变换,采用了改进的优化算法,在实际配准搜索中,对优化的方法进行改进,采用搜索终止条件多样化的方法,在原来的基础上,增加几个方向搜索的跨度,即在搜索点集收缩到一点时,在点集维数的各个方向上,按顺序依次逐步增加各个方向的跨度步长,一直寻找到更小的目标函数值,再重复开始新的起点的搜索.实验中,利用该方法对三维图像配准中的噪声干扰、局部配准等方面进行了测试,得到了很好的结果.     

二维投影变换模型的单应矩阵表示

随着科学技术的发展,图像配准技术在许多领域中被广泛的应用.而单应矩阵是图像配准中的一个重要变换矩阵.文中论述了二维平面成像的投影变换模型并给出其单应矩阵表示的详细推导.对初学图像配准的人理解和运用单应矩阵有一定帮助.     

对数极坐标变换域下互信息图像配准方法

当待配准中的图像中存在较大的尺度变换时,传统的图像互信息配准方法对图像尺度变换参数很敏感,易于在优化搜索时陷入局部极值点,配准效果不好。文中提出基于对数极坐标（log—polar）域的图像配准方法,它较好地分离了图像缩放参数和图像旋转参数的相互影响。仿真结果表明,该方法在大尺度图像配准场合应用时比通常的互信息方法有更高的精度和鲁棒性。     

基于小波变换的医学图像多因子融合技术及实现

概述了医学图像融合的意义。分析了以小波变换作为研究工具的理论优势。阐述了基于小波变换的图像融合原理．描述了具体的融合算子和性能评价参量。抽取了几幅医学图像进行融合试验并对结果加以分析。     

基于傅里叶梅林变换的SURF算法

针对加速鲁棒性特征算法,在没有后续去误匹配等处理的情况下,对存在较大旋转角度的两幅待匹配图像,匹配精度较低的问题,提出了一种基于傅里叶梅林变换的SURF算法。该算法通过对待匹配图像和参考图像实施傅里叶变换和梅林变换,利用能量谱求出两幅图像发生的旋转角度,并利用SURF算法找出图像间发生的平移和尺度变化,实现了图像间的匹配。实验结果表明,该算法可有效地实现图像间存在较大旋转角度时的几何匹配,且相比已有的SIFT和SURF算法,具有更好的匹配效果。     

基于兴趣点检测和仿射变换模型的序列图像拼接

针对序列图像的拼接问题,提出了一种基于兴趣点检测和仿射变换模型的图像配准算法,利用Harris算子检测兴趣点,并引入灰度交叉匹配和兴趣点坐标离散度两级约束策略确定同名兴趣点,通过在图像间建立仿射变换模型实现图像的配准;提出了一种自适应加权归一化函数对拼接图像进行处理,消除由于图像间灰度差异而导致的拼接缝。实验结果表明算法具有较高的配准精度和良好的像素融合效果。     

基于SIFT的图像配准方法

针对大尺度图像配准和不同传感器图像配准问题,介绍了一种基于SIFT的图像配准方法。首先提取图像中适应尺度变化的不变特征点,在提取过程中加入多尺度Harris检测算子,提高了匹配点对的重复率,通过聚类和归一化互信息准则对候选匹配点对的角度、尺度和位置特征进行迭代筛选,删除错误的匹配点对,最后得到正确的匹配点对,对图像进行配准。实验结果表明：该方法能处理相似变换的图像配准。     

基于K-L变换的两传感器图像自动配准

基于合成孔径雷达(SAR)图像和光学图像间的变形可用仿射变换来近似,提出了一种SAR图像和光学图像自动配准的方案.对分割后的图像进行K-L变换得到两幅图像的主分量与坐标轴之间的关系,从而得出两幅图像的角度关系,接着,利用旋转后图像的横纵象素范围的比值和前景重心偏移值得到仿射变换的缩放和平移参数,最后再利用二值图像相关对仿射变换的结果图像进行精配,从而实现较高精度的图像配准.实验结果表明,在满足精度要求的情况下,本方法可以自动完成具有明显方向性和较大前景目标图像的配准任务.     

基于GoogLeNet-WT-Canny的紫外成像仪中的图像配准与融合

针对目前紫外成像仪中紫外光图像与可见光图像配准叠加精度低、电晕放电定位偏差大等问题,提出一种基于GoogLeNet模型、小波变换(Wavelet Transform,WT)和Canny算子相结合的紫外与可见光图像配准融合方法,并将其应用于高灵敏紫外成像仪中.首先,引入迁移学习的思想,利用预训练的GoogLeNet模型自主挖掘可见光图像和紫外图像的特征;其次,将提取出来的特征作为预测变量,输入极限学习机(Extreme Learning Machine,ELM),以空间变换参数为指导监督模型训练,实现高精度紫外与可见光图像配准;最后,利用二维小波变换与Canny算子对配准后的图像进行多分辨率分析与边缘检测,实现无紫外信息损失的图像融合.实验结果表明,所提方法的紫外与可见光图像配准精度高,融合效果良好,具有很好的工程实用价值.