计算机集成外科手术系统中空间配准的应用研究

计算机集成外科手术系统是将机器人，计算机和图像处理技术应用于临床外科手术，是对传统手术的挑战。介绍了计算机集成外科手术系统中空间配准的基本原理，提出了基于轮廓特征的ICP配准算法。这种算法结合了ICP最优化解析方法和四元数法的优点，解决了图像轮廓点的空间配准问题。通过医学图像实例，证明了该方法的有效性。     

基于改进K-Means聚类医学图像配准

ICP算法广泛应用于医学图像配准,但存在浮动点集初始平移矩阵和旋转矩阵对ICP的影响较大,图像配准容易造成目标函数陷入局部最优值且计算量大等问题。论文提出了基于改进K-Means聚类医学图像配准算法,该方法通过计算出参考图像和浮动图像的质心,获得配准平移初始值;对医学图像坐标进行中心化处理,通过改进的K-Means聚类方法把图像坐标聚成2类;把这2个聚类中心拟合成一条直线,求得该条直线的斜率,进而求得相关倾斜角,获得配准旋转初始值;使用BSGO自动选择特征点,得到参考点集和浮动点集。通过实验得出该算法既可用于单模态图像配准,也可用于多模态图像配准;具有运算量少、图像配准速度较快、计算比较简单、精确度较高等特点,并且解决了图像配准容易陷入局部最优的问题。     

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。     

面向地图点集的多尺度层级ICP算法

地图点集具有点数多、结构复杂等特点,通常对其配准耗时严重,难以满足自主驾驶等情况下的实时性要求.利用多尺度层级化思想,提出一种多尺度层级ICP算法MSICP( Multi-scale Iterative Closest Points),提高了配准速度和精度.所提算法先对待配准图像点集进行稀疏化,随后将稀疏点集配准后的转换矩阵作为原稠密点集配准的转换矩阵初始值,最终实现对原始图像点集的ICP快速精确配准.实验结果表明,所提算法的配准速度及精度优于其他ICP算法,具有一定的实用价值.     

计算机辅助外科手术空间配准技术的研究

医学图像和实际手术空间的配准问题是计算机辅助外科手术技术的一个重要的研究热点,它能够帮助医生选择最佳手术路径和减小手术损伤,实现手术的方便快捷和微创,提高手术成功率。主要研究了一种基于ICP算法的计算机辅助外科手术中空间配准技术,通过获取实验模型的空间坐标信息,进行点集配准,找到最优旋转矩阵和最优平移向量。并通过仿真实验给出了模拟的配准结果,仿真试验结果表明,ICP算法配准精度高,适用于计算机辅助外科手术。     

迭代最近点算法的改进策略

迭代最近点（Iterative Closest Point, ICP）算法是一种最为常见的点云配准方法，虽然配准精度高，但收敛速度慢，对含噪声、覆盖率较低点云的配准效果不佳。鉴于此，本文提出3种ICP算法的改进方法。针对含噪声的点云，采用概率ICP算法来抑制噪声点对配准结果的影响，提高配准精度；为了提高点云配准速度，采用坐标ICP算法实现点云的快速配准；针对低覆盖率点云，采用盒子ICP算法实现配准，可以大大提高配准精度和速度。通过兔子点云配准实验表明，3种改进的ICP算法在点云配准精度和速度方面都有很大程度的提高，均为有效的点云配准方法。     

模拟鼻整形术中三维图像配准的研究

随着医疗水平的提高,人们对整容手术的要求越来越高。术前准确有效的医患沟通成为手术成败的关键。一套模拟术后患者脸部图像的系统将显著提高医患沟通效率和准确性。通过三维图像配准,医生可以就患者术前术后鼻部变化进行对比,也可以就预期结果与实际结果进行对比。对刚性和弹性医学图像配准在模拟鼻整形术中的适用性进行了研究,对配准算法的准确度以及效率进行了讨论,着重讨论了不同算法变换参数的搜索策略。同时,讨论了自动控制点的设置。     

二维点轮廓与矢量轮廓配准研究

在平面类零件的光学测量中,二维点轮廓与矢量轮廓的配准是关键算法,配准精度 直接影响测量精度。针对平面类零件的配准问题,提出了基于形状特征函数的粗配准算法和二维 矢量最近点迭代(ICP)精配准算法。利用角度距离图法将矢量图形的几何信息转化为独立于坐标系 的连续函数,进而实现粗配准算法。基于平面上点与曲线的最近距离算法计算配准目标函数,给 出了不同于传统的ICP 算法的直接求解目标函数的解析方法,有效提高了算法效率。利用实例验 证分析了该算法的高效性和可靠性。     

用改进的粒子群算法实现多模态刚性医学图像的配准

多模态医学图像的配准在医学诊断和治疗计划中起着重要的作用．提出了一种基于轮廓特征点和改进的粒子群优化算法((Particle Swarm Optimization，PSO))求解的配准方法．该方法首先用Canny算子提取图像的边缘，用ISODATA算法进行聚类分析提取出轮廓特征点，然后用两轮廓匹配点对的欧几里德距离平均值的极小值作为两个特征点对配准准则，并用改进的PSO算法求解配准所需的空间变换参数．实验证明；该方法配准精度能够达到亚像素级，能够避免陷入局部极小值而且速度得到明显改善，其应用于多模态医学图像的配准是可行的．     

面向复杂地形的无人机集群遥感图像自动几何配准算法

为了提高无人机集群遥感图像自动几何配准精度,设计一个面向复杂地形的无人机集群遥感图像自动几何配准算法。首先获取遥感图像的特征点,然后计算图像特征向量,在此基础上,建立尺度空间模型找到图形间的连接关系,同时,建立图像匹配原则,通过匹配原则建立变换空间,确定两点之间的联系,最后建立配准模型,实现无人机集群遥感图像自动几何配准。实验结果表明,所研究的配准算法提高了配准精度与配准效率。     

Robust Non-rigid Registration Based on Affine ICP Algorithm and Part-Based Method

The classical affine iterative closest point (ICP) algorithm is fast and accurate for affine registration between two point sets, but it is easy to fall into a local minimum. As an extension of the classical affine registration algorithm, this paper first proposes an affine ICP algorithm based on control point guided, and then applies this new method to establish a robust non-rigid registration algorithm based on local affine registration. The algorithm uses a hierarchical iterative method to complete the point set non-rigid registration from coarse to fine. In each iteration, the sub data point sets and sub model point sets are divided, meanwhile, the shape control points of each sub point set are updated. Then we use the control point guided affine ICP algorithm to solve the local affine transformation between the corresponding sub point sets. Next, the local affine transformation obtained by the previous step is used to update the sub data point sets and their shape control point sets. Experimental results demonstrate that the accuracy and convergence of our algorithm are greatly improved compared with the traditional point set non-rigid registration algorithms.     

基于平衡VP树的快速空间配准算法

在神经外科导航系统中,空间配准技术是一项关键技术,而确定两点集中点之间的对应关系又是配准中一个不可缺少的环节。为了提高对应点对的查找效率,对经典VP树进行了平衡化处理,并由此提出了一种基于平衡VP树的快速配准新方法。在整个配准过程中,首先用奇异值分解法（Single Value Decomposition,SVD）进行初配准,然后用迭代最近点（Iterative Closest Point,ICP）方法进行精确配准。实验表明：该方法配准快捷、鲁棒性强、配准精度高（配准误差在1 mm以内）,适用于临床应用。     

一种快速的三维扫描数据自动配准方法

研究了两幅和多幅深度图像的自动配准问题.在配准两幅深度图像时,结合二维纹理图像配准深度图像,具体过程是:首先,从扫描数据中提取纹理图像,特别地,针对不包含纹理图像的扫描数据提出了一种根据深度图像直接生成纹理图像的方法;然后,基于SIFT(scale-invariant feature transform)特征提取纹理图像中的兴趣像素,并通过预过滤和交叉检验兴趣像素等方法从中找出匹配像素对的候选集;之后,使用RANSAC(random sample consensus)算法,根据三维几何信息的约束找出候选集中正确的匹配像素对和相对应的匹配顶点对,并根据这些匹配顶点对计算出两幅深度图像间的刚体置换矩阵;最后,使用改进的ICP(iterative closest point)算法优化这一结果.在配准多幅深度图像时,提出了一种快速构建模型图的方法,可以避免对任意两幅深度图像作配准,提高了配准速度.该方法已成功应用于多种文物的三维逼真建模.     

基于改进特征点检测的快速图像配准算法

针对传统特征点配准算法效率过慢、对特征点存在误检的现象,提出了一种基于特征点检测的图像配准算法.对特征点检测方法进行了改进,利用像素点与周围像素点的灰度关系滤除非特征点;对剩余的点使用提出的菱形模版进行精确检测,建立了特征点集合;利用迭代最近点(ICP)算法对特征点集合进行配准.实验结果表明:改进算法在特征点检测准确性和检测时间上明显提高,并且具有良好配准效果.     

Sparse Iterative Closest Point

Rigid registration of two geometric data sets is essential in many applications, including robot navigation, surface reconstruction, and shape matching. Most commonly, variants of the Iterative Closest Point (ICP) algorithm are employed for this task. These methods alternate between closest point computations to establish correspondences between two data sets, and solving for the optimal transformation that brings these correspondences into alignment. A major difficulty for this approach is the sensitivity to outliers and missing data often observed in 3D scans. Most practical implementations of the ICP algorithm address this issue with a number of heuristics to prune or reweight correspondences. However, these heuristics can be unreliable and difficult to tune, which often requires substantial manual assistance. We propose a new formulation of the ICP algorithm that avoids these difficulties by formulating the registration optimization using sparsity inducing norms. Our new algorithm retains the simple structure of the ICP algorithm, while achieving superior registration results when dealing with outliers and incomplete data. The complete source code of our implementation is provided at http://lgg.epfl.ch/sparseicp .     

基于仿射CPD的股骨医学图像配准方法*

股骨医学图像配准是股骨三维重建技术的主要研究内容,通过机器辅助获得配准的参数决定了三维重建的准确性。针对传统ICP算法普遍存在的准确度和鲁棒性的较低问题,提出一种基于仿射CPD的股骨医学图像配准方法,使配准自动化以及精准化。该方法通过边缘提取获得浮动、参考点集;在配准后获取结果参数;通过结果参数将股骨通用模型摆成股骨个体化骨折姿态。实验结果：平移、旋转的平均误差分别小于2.1mm、 1.6;配准失败率仅在10%左右;三维重建后的3D图像真实度较高。结论：本文所述的方法对于图像配准和三维重建是可行的和高效的。     

A Correntropy-based Affine Iterative Closest Point Algorithm for Robust Point Set Registration

The iterative closest point (ICP) algorithm has the advantages of high accuracy and fast speed for point set registration, but it performs poorly when the point set has a large number of noisy outliers. To solve this problem, we propose a new affine registration algorithm based on correntropy which works well in the affine registration of point sets with outliers. Firstly, we substitute the traditional measure of least squares with a maximum correntropy criterion to build a new registration model, which can avoid the influence of outliers. To maximize the objective function, we then propose a robust affine ICP algorithm. At each iteration of this new algorithm, we set up the index mapping of two point sets according to the known transformation, and then compute the closed-form solution of the new transformation according to the known index mapping. Similar to the traditional ICP algorithm, our algorithm converges to a local maximum monotonously for any given initial value. Finally, the robustness and high efficiency of affine ICP algorithm based on correntropy are demonstrated by 2D and 3D point set registration experiments.      

基于Dividing Rectangles的多模态

为了准确、可靠地配准多模态医学图像,提出了一种基于互信息的全局优化配准算法。该算法首先提取出目标物体的外轮廓面,再用迭代最近点方法初步对齐图像;然后用确定性的全局优化方法—Dividing Rectangles搜索归一化互信息的全局最优解。该算法利用图像的特征信息,为Dividing Rectangles方法提供了一个较好的初始配准位置,并充分利用了Dividing Rectangles方法在小范围内的高效搜索能力。实验结果表明,对于3维人体脑部数据,该算法配准精度高、速度快,而且有效地避免了配准过程中出现的局部极值。     

基于特征点和改进ICP的三维点云数据配准算法

在光学非接触三维测量中,复杂对象的重构需要多组测量数据的配准。最近点迭代(ICP)算法是三维激光扫描数据处理中点云数据配准的一种经典的数学方法,为了获得更好的配准结果,在ICP算法的基础之上,提出了结合基于特征点的等曲率预配准方法和邻近搜索ICP改进算法的精细配准,自动进行点云数据配准的算法,经对牙齿点云模型实验发现,点云数据量越大,算法的配准速度优势越明显,采用ICP算法的运行时间(194.58 s)远大于本算法的运行时间(89.13 s)。应用实例表明:该算法具有速度快、精度高的特点,算法效果良好。     

Projecting registration error for accurate registration of overlapping range images

In this paper, we propose a novel algorithm for the automatic registration of two overlapping range images. Since it is relatively difficult to compare the registration errors of different point matches, we project them onto a virtual image plane for more accurate comparison using the classical pin-hole perspective projection camera model. While the traditional ICP algorithm is more interested in the points in the second image close to the sphere centred at the transformed point, the novel algorithm is more interested in the points in the second image as collinear as possible to the transformed point. The novel algorithm then extracts useful information from both the registration error and projected error histograms for the elimination of false matches without any feature extraction, image segmentation or the requirement of motion estimation from outliers corrupted data and, thus, has an advantage of easy implementation. A comparative study based on real images captured under typical imaging conditions has shown that the novel algorithm produces good registration results.