ITK及其在医学图像分割中的应用

ITK(The Insight Toolkit)是一个开放的、面向对象的类库.它提供了强大的二维医学图像处理功能,主要用于医学图像的预处理、分割及配准.本文主要介绍图像分割的算法以及ITK在图像分割中的应用,并简要介绍一个基于ITK的医学图像处理的实现.     

ITK Metric在卷烟小包装图像配准中的性能比较

为了验证医学图像处理框架ITK在卷烟小包装图像配准中的可用性及其性能,通过分析ITK配准框架的原理及配准流程,采用固定图像变换算法、线性插值算法和优化算法,变换相似度测度算法的方式,比较ITK中不同的相似度测度算法在针对中华硬盒卷烟小包装的图像配准中的效率,最后通过大量的实验,将此框架用于不同卷烟小包装的图像配准中,验证了ITK在非医学领域的可用性,得出一种对不同卷烟小包装的图像配准具有一定普适性的配准流程。     

一种基于相机标定的图像配准方法

图像配准是把同一场景的两幅或者多幅图像在空间上进行配准,它在图像分析领域应用广泛,如医学,遥感图像分析,图像融合,图像检索及目标识别等．匹配困难是图像配准的主要问题,造成匹配困难的原因之一是待匹配图像存在畸变．该问题是由于待配准图像相对于基准图像会产生大面积相同区域或产生平移、旋转、缩放等多种畸变．针对以上各种畸变,本文提出一种解决方案：利用相机标定信息求解畸变情况的平移矩阵、旋转矩阵和缩放比,通过反变换达到矫正图像畸变的效果．然而标定信息常会因为相机位置移动而发生改变．对于此问题,本文则是通过求解多角度下的云台转角来确定相机的标定信息．实验表明：本文提供的方案很好的解决了图像配准阶段的一些畸变问题,使图像配准有较高的精度．     

基于小波变换的脑部医学Demons图像配准

非刚性配准是医学图像处理的一个重要研究方向;针对Demons衍生出的一系列经典的配准算法在医学图像应用上计算复杂、方向信息不足问题进行了研究;基于光流场模型的Demons算法依赖图像灰度梯度使图像发生变形,当缺乏梯度信息时,力不能确定,因而容易造成误差,并且该算法仅适合于单模态图像配准;为此文章提出了一种基于小波变换理论的频域Demons配准处理方法(B-Demons);该方法利用小波变换能够对各个尺度、方向和位置实现较好定位的优势,通过高频、低频的图像变换反映出图像的特征信息;实验结果证明了算法的有效性和鲁棒性。     

粒子群与改进的鲍威尔算法相结合的多分辨率三维医学图像配准

为克服传统基于互信息的多模医学图像配准算法容易陷入局部最优的问题,提出了一种改进的多分辨率三维医学图像配准算法.该算法通过高斯滤波将三维医学图像进行多尺度化,形成多分辨率图像金字塔,以Mattes互信息作为配准框架的相似性测度.在图像金字塔的低分辨率层使用粒子群优化算法进行全局变换参数的搜索,然后以全局变换参数作为高分辨率层配准的初始参数,并以鲍威尔优化算法进行优化,完成最终的三维医学图像配准.实验结果表明,改进的算法不仅使待配准两幅图像空间位置对齐,而且较传统互信息算法提高了配准精度,鲁棒性更强,有效地解决了基于互信息的配准算法陷入局部最优的可能.     

一种基于非下采样剪切波变换的医学图像配准方法

针对经典弹性配准方法在医学图像应用上计算复杂、方向信息不足的问题进行了研究,提出一种基于非下采样剪切波变换（NSSTR）的医学图像配准方法。利用剪切波能够对各个尺度、方向和位置实现较好定位的优势,先用该算法对医学图像作非下采样剪切波变换,得到各尺度、方向子带的剪切系数,然后对高频、低频的变换图像分别使用不同的配准方法,最后统一到变化网格上得到最终配准图像。实验结果表明,本方法与传统方法相比,不仅具有配准精度高、鲁棒性好的特点,而且计算效率更高。     

利用ITK和VTK集成实现三维医学图像的分割

ITK是一个对图像进行分割配准处理的开源的、基于对象的软件系统.它提供几乎所有的主流医学图像分割算法,能够解决虚拟手术中三维图像分割问题.讨论了ITK中区域生长和Level set分割算法,对CT序列图像进行分割,最后通过VTK对分割数据进行三维重建.利用ITK和VTK的功能集成,对医学图像三维组织体分割,并实现分割结果的可视化.实验证明这种方法能够满足医生对局部病变区域观测的要求,实时性良好.     

基于小波不变矩的医学图像配准技术研究

图像配准是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程,是图像融合、目标探测识别和计算机视觉等技术的重要基础,主要用于消除来自不同传感器的图像中目标的位置差异.提出了一种新图像匹配算法,新算法以提升格式小波变换为基础,利用图像多级小波分解后近似分量的轮廓相似性进行图像的快速配准.实验结果表明,新方法高效精确.     

群搜索优化方法和互信息结合的医学图像配准

本文提出了群搜索优化方法与互信息相结合的医学图像配准算法。使用PV插值法计算两幅图像的联合直方图,进而计算它们的互信息,以互信息作为图像配准的相似性测度,使用群搜索优化方法在指定的搜索空间求解配准所需的空间变换参数。实验结果表明：与粒子群优化方法相比,群搜索优化用于医学图像配准具有更高的配准精度。     

医学图像的配准的关键技术与研究现状

医学图像融合技术是影像学技术在医学上极具特色的应用,它在医学图像有效配准基础上将解剖影像、功能影像两者有机的结合起来.本文对近年来医学图像配准中的关键技术和主要方法进行综述,比较各种算法的特点,并分析当前该领域在医学图像配准方面存在的技术难点以及发展前景.     

基于NCC的存在旋转的图像匹配方法

图像匹配在导航制导、医学等领域具有十分重要的意义。由于实时图和参考图拍摄的时间不一样,容易存在旋转等现象,给图像的匹配带来很大难度。传统的归一化互相关(NCC)匹配算法是一种简单有效的匹配算法,但不适合存在旋转这种情况。在NCC匹配方法的基础上,利用参考图的多个角度的旋转达到匹配的目的,从而找出准确的匹配位置,并利用所得控制点和坐标转换模型找出参考图与实时图之间的相对位置关系,包括旋转角度与相对位移。仿真实验表明:此方法可较好地解决存在旋转的图像匹配问题。     

一种分步式多模态视网膜图像自动配准方法

提出了一种基于视网膜图像特征点可靠提取的算法，在此基础上提出了一种对视网膜图像进行分步式的图像配准方法。首先利用最小二乘法进行快速的粗配，再进一步根据特征点的对应性，利用投影变换模型进行精确配准。与传统方法相比，该方法配准精度高，可以达到亚像素级精度，整个配准过程不需要人工干预。     

Wavelet-based image registration technique for high-resolution remote sensing images

Image registration is the process of geometrically aligning one image to another image of the same scene taken from different viewpoints at different times or by different sensors. It is an important image processing procedure in remote sensing and has been studied by remote sensing image processing professionals for several decades. Nevertheless, it is still difficult to find an accurate, robust, and automatic image registration method, and most existing image registration methods are designed for a particular application. High-resolution remote sensing images have made it more convenient for professionals to study the Earth; however, they also create new challenges when traditional processing methods are used. In terms of image registration, a number of problems exist in the registration of high-resolution images: (1) the increased relief displacements, introduced by increasing the spatial resolution and lowering the altitude of the sensors, cause obvious geometric distortion in local areas where elevation variation exists; (2) precisely locating control points in high-resolution images is not as simple as in moderate-resolution images; (3) a large number of control points are required for a precise registration, which is a tedious and time-consuming process; and (4) high data volume often affects the processing speed in the image registration. Thus, the demand for an image registration approach that can reduce the above problems is growing. This study proposes a new image registration technique, which is based on the combination of feature-based matching (FBM) and area-based matching (ABM). A wavelet-based feature extraction technique and a normalized cross-correlation matching and relaxation-based image matching techniques are employed in this new method. Two pairs of data sets, one pair of IKONOS panchromatic images from different times and the other pair of images consisting of an IKONOS panchromatic image and a QuickBird multispectral image, are used to evaluate the proposed image registration algorithm. The experimental results show that the proposed algorithm can select sufficient control points semi-automatically to reduce the local distortions caused by local height variation, resulting in improved image registration results.     

基于互信息的颅脑MR影像序列的三维配准

医学图像配准具有重要的临床应用价值,并一直是医学图像处理领域的热点研究问题。基于互信息的配准方法由于自动化程度高和配准精度高的优点而被广泛应用于三维医学图像配准;但是,也存在着数据量大、计算速度慢的问题。采用归一化互信息测度,并将一种新的正交优化技术应用于颅脑MR影像序列的三维配准,旨在缩短处理时间。将该方法与使用传统优化算法的配准方法作了比较,实验结果表明,提出的方法能够显著提高配准速度,且不降低配准精度。     

基于小波金字塔和轮廓特征的医学图像配准

提出一种快速而精确的自动医学图像配准算法.先提取图像的轮廓,根据力矩主轴法计算初步配准变换参数的值,实现参考图像和待配准图像的初步配准;然后在此基础上,利用小波分解图像,提取图像的边缘特征点,采用小波金字塔分层搜索的策略在一个相对较小的范围对变换参数进行迭代搜索,最终实现图像的精确配准.不但提高了配准的精度,而且可减少精配准过程中所需的时间,有效地降低了配准过程所需的计算量.由实验结果可以看出,配准结果精确,实现速度快,因此是一种实用的多模态配准算法.     

简单人工辅助下的无限长遥感图像自动配准

遥感图像的配准是图像处理中的一个重要分支。部分遥感图像具有大尺度或无限长的特点,并且它们的失配是局部非线性的,直接进行通常意义上的全图配准很困难。该文假设这类图像的失配是连续变化的,建议了一种有初始人工辅助的自动流水线式的图像配准方法。该方法先在人工辅助下在某个初始区域建立初始匹配关系,然后从初始区域逐步扩散匹配控制点,网格约束下的控制点搜索匹配过程保证了在全图建立均匀的密度可控的控制点集。最后用基于多项式的局部加权平均算法完成图像的校正,这样可以保证对于无限长的图像以流水线的方式逐段配准输出。模拟试验结果证实了该方法的有效性。     

使用特征点与曲线配准医学图像

针对单一特征引导医学图像配准的准确度有限性,提出一种使用多种特征的图像配准方法.特征提取采用半自动化方式,使操作者能够精确地获得图像特征.对提取的曲线对采用非均匀三次B样条建立模型,使曲线对具有相同的参数区间;非均匀的曲线离散机制保证了离散后的点集在尽可能忠实于原曲线,同时又满足图像配准的要求;通过不断地改善曲线间差异最大的区域并持续添加的约束条件,迭代地求解变换函数.实验结果表明:该算法结合了基于特征点与曲线2种配准算法的优点,既保证了基于点配准的精确性,又兼有基于曲线配准的鲁棒性,是一种有效的医学图像配准方法.     

基于肺部组织特征的图像弹性配准研究

图像配准是一种建立两幅图像空间对应关系的过程,它被广泛应用于计算机视觉、遥感数据分析及图像处理中,特别是在影像引导放射治疗领域,图像配准发挥着巨大作用。但由于受呼吸运动的影响,精确的肺部影像配准依然是一个充满挑战的难题。目前,尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)已被用于医学图像配准中,并且取得了较理想的结果。然而,SIFT检测到的仅是图像的块特征,不能有效的反映肺部的运动。文章提出了一种基于Harris和SIFT算子的杂交型特征检测方法,这种方法能有效检测肺部的组织特征,如血管分叉点和肺部边界等。除此之外,为了有效去除特征匹配过程中产生的错配点,还提出了一种基于互相关和组织结构不变性的滤除错配点方法。文章最后采用一系列不同呼吸周期的肺部CT影像来对所提出的算法进行验证。定性和定量的结果表明,该算法较传统的SIFT算法更具优越性。     

两种基于灰度相似性测度的超声波图像配准方法的比较

图像配准是图像分析和处理的基本问题，其在医学影像分析、遥感遥测、计算机视觉等领域有着广泛的应用。为了能稳定、准确地进行超声波图像配准，基于灰度信息的提取、变换，提出了以下两种基于灰度相似性测度的超声波图像配准方法：第1种方法是利用Harris角点检测方法提取特征点，然后由特征点提供灰度信息，其配准中的相似性测度定义为一个评价函数（cost-function）。误差评价函数；第2种方法引用了相同的评价函数，但使用的有关唯一性控制和区域对应规则是与第1种方法不同的。在给定了相似性测度的情况下，参数化的超声波图像配准可以表述为最小化的问题。第1种方法还利用多项式映射的方法来变换整幅图像，并估计了其平方和误差。实验的结果表明，这两种算法都很稳定，且合乎图像配准的要求，仅仅是第2种方法比第1种方法的性能要好一些。     

基于轮廓与特征点的医学图像弹性配准方法

针对单一特征引导图像配准的准确度有限性,提出了一种同时使用轮廓与特征点的医学图像弹性配准方法。半自动的特征点提取方法既可以保证提取的精确性又能够避免繁琐的特征点对应关系建立过程。对于提取的轮廓,在保证外形的基础之上,通过轮廓直线化操作减少提取轮廓中关键点的数量,以提高计算效率。以两幅待配准图像中的特征点对间距离与轮廓对间距离累加和作为图像配准测度函数,选择ICP算法框架迭代地求解最优配准变换函数。通过与其他测度函数进行比较和真实图像实验结果对比,其结果表明,该算法由于采用轮廓与特征点同时引导图像配准,其配准效果好于单独使用特征点或者轮廓的图像配准算法。该算法既能匹配图像的整体结构信息(轮廓)又能对齐图像中感兴趣的生理解剖位置(特征点),更加准确地反映图像间差异情况,是一种快速、精确的医学图像配准方法。