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。     

基于并行计算和多层次B样条的肺部CT-PET图像配准

为了提高医学图像配准的效率,提出一种基于并行计算和多层次B样条函数的图像配准方法。该方法提取图像均匀内部点及轮廓点作为参考图像特征点,采用并行计算技术在浮动图像上选择特征点对;在形变过程采用B样条曲面函数插值来完成,通过多层次B样条函数逐步优化形变效果。实验结果表明,该方法适合于肺器官CT PET图像快速配准。     

形变医学图像配准方法设计与仿真

利用目前方法对形变医学图像进行配准时，没有提取形变医学图像特征，存在特征点获取结果与实际结果相差大、医学图像配准效果差和医学图像配准时间长的问题。为此提出基于角点检测与SIFT的形变医学图像配准方法。采用角点检测与SIFT相结合的方法对医学图像的特征点进行提取，在图像特征提取前，优先对尺度空间的极值点进行检测，其次生成角点特征，通过检测结果与最终特征点的方向完成医学图像特征点的提取，提升了医学图像配准精度。将提取的特征输入到构建的深度学习模型中，根据提取特征的训练及损失函数的优化实现形变医学图像配准。实验结果表明，通过对上述方法进行特征点获取结果与实际结果对比测试、医学图像配准效果测试和配准时间测试，验证了上述方法的准确性与有效性。     

基于轮廓的刚体变换模型下多源图像配准算法

提出了一种刚体变换下基于轮廓的多源图像配准算法.首先提取待配准图像中的明显轮廓,然后对提取后的轮廓进行轮廓匹配.对于匹配后的开轮廓对,通过把开轮廓的两个端点用直线段连接的方法将开轮廓对转化为闭合轮廓对.最后求取闭合轮廓对中闭合轮廓的质心并作为控制点,根据控制点计算配准参数.     

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．     

使用特征点与灰度值的医学图像局部配准方法

针对医学图像配准中,存在某些图像间大部分区域没有差异或者存在差异但不被关心的情况,提出了一种局部图像配准方法。该方法使用局部可控的紧支撑径向基函数作为配准变换函数,通过在感兴趣区域设置特征点,将变换函数作用范围限制在图像中某一特定区域,保持其他区域不发生变形。利用图像间的互信息量作为测度函数,更加精确地求解变换函数。在优化策略的选择中,将图像配准看作为寻优过程,采用基于小生境的遗传算法优化变换函数参数,能够克服经典遗传算法早熟、搜索能力差等缺点。通过对已知变换函数的仿真图像与真实医学图像进行实验,结果表明该算法能够准确地找到较优的变换函数,并且将作用区域限制在较小范围内。该方法结合了基于特征点和基于像素配准方法的优点,有效的搜索策略保证了变换函数准确性,是一种可行的、鲁棒的局部医学图像配准方法。     

混合样条大尺度医学图像弹性配准算法研究*

针对大尺度形变医学图像配准速度慢和精度低的特点,提出一种结合薄板样条(TPS)和B样条的弹性配准方法。该方法采用尺度不变特征变换算法(SIFT)进行图像特征提取与匹配,利用TPS算法将特征点对作为输入进行预处理,以降低浮动图像的形变尺度,从而提高下一步B样条配准的速度与精度。然后使用局部区域细化层次B样条方法将TPS生成的较稀疏的形变网格作为初始网格,结合有限记忆优化算法(L-BFGS)对控制网格做进一步地处理,此过程只对形变较大的局部区域进行细化,以实现与参考图像的快速精确配准。实验结果表明,该方法较层次B样条方法有效地提高了配准的速度和精度。     

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。     

基于多分辨率策略的弹性配准方法

提出了一种基于多分辨率策略的医学图像弹性配准方法.首先通过使用多分辨率C-V模型来加快边界提取的速度,接着采用模拟退火结合薄板样条插值的方法来配准边界点.为了增强边界点配准算法的鲁棒性和速度,在退火过程中使用多分辨率策略来构造点集数据.最后利用薄板样条插值函数完成弹性变换.实验结果表明,算法对于大形变的情况依然具有很好的效果.     

一种特征约束的有限元人脑图像配准方法

提出了一种结合图像的解剖标记点和自适应有限元网格进行人脑图像的精确配准方法.首先利用Forstner算子提取对应图像的解剖标记点,并作初始的图像刚性变换.为了使有限元网格能更加准确地刻画图像解剖结构分布特征,本文利用图像的梯度分布建立了自适应的有限元网格剖分,结合标记点作为有限元的形变约束,使得配准的精度和有限元的计算效率得到提高.人脑图像配准的实验结果表明,该方法能有效地解决图像弹性配准问题.     

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.     

一种基于轮廓特征点的图像检索方法

传统基于形状的图像检索方法检索效率较低,针对该问题,提出一种基于对象轮廓特征点的图像检索方法。利用Mean Shift算法提取感兴趣对象,以对象曲率的局部极值点作为特征点,并将对象表示为这些特征点的特征向量,定义检索对象与被检索对象特征向量间的距离匹配机制,实现对象的匹配或识别。实验结果表明,与传统方法相比,该方法具有较高的查全率和查准率。     

融合CCCTI码和谱系聚类的仿射配准

针对复杂场景中目标由于成像畸变、部分遮挡或局部缺失难于识别的问题,提出一种新的仿射配准算法.首先给出了CCCTI码(cyclic code of corner and tangent and inflexion points)的定义,该码易于确定模型和目标轮廓上关键特征点的对应关系;其次利用关键特征点对轮廓进行分段,根据对应子曲线段的两端点及其形心估算变换矩阵,再引入谱系聚类法对所有估算矩阵进行聚类,降低最终估算矩阵的误差,且使算法适用于部分遮挡或局部缺失,提高算法的鲁棒性;最后计算能够聚类的对应子曲线段的总形心,并利用总形心与对应子曲线段的两端点再次估算变换矩阵,提高配准的精度.理论分析和实验结果均表明,该算法能有效地进行仿射配准,并能处理部分遮挡或局部缺失.     

基于距离比上下文的形状描述与识别方法

基于形状轮廓上的采样点到形状质心的距离,提出了一种距离比上下文形状描述符,用于形状识别和检索。该描述符计算简单,能有效区分不同形状,本质上具有平移、缩放不变性,且在一定程度上能杭部分遮挡和形变。用动态规划算法度量形状比上下文之间的距离,解决了对起始轮廓点的选择问题。在kimia' s-99形状图像数据库中的实验结果表明,该方法在单目标封闭轮廓的形状图像检索中取得了良好的效果。     

神经网络方法应用于轮廓定位

关于从图像中定位物体轮廓的问题,目前所采用的活动轮廓模型和基于自组织神经网络的算法,存在能量泛函优化容易陷入局部极值和演化过程依赖于初始轮廓的选取等问题。提出了一种基于RBF神经网络的轮廓定位算法。首先,通过自适应梯度阈值方法来获取图像特征点。然后,通过特征点的聚类建立一组基函数,把图像像素点的像素值和梯度构造输入向量空间,在网络权值训练完成后,利用网络的预测功能来准确判断物体轮廓。与传统算法相比,仿真结果表明提出的轮廓定位算法可以高效地实现目标轮廓定位。     

基于移动最小二乘法的医学图像配准

提出一种基于移动最小二乘法变形模型的医学图像配准技术.首先用蛇模型的方法分割图像感兴趣区域;其次在分割后的图像上半自动地选取对应标记点;最后基于这些标记点采用移动最小二乘法的变形模型对图像进行变形,从而实现医学图像的配准.实验结果表明,该方法克服了手动选点难度大的缺点,提高了配准的精度,是一种有效的医学图像配准方法.     

面向2D虚拟试穿的服装推理变形仿真方法

为了提高当前服装E-Commerce领域2D虚拟试穿展示效果,提出一种基于图像处理技术的服装推理变形仿真方法。采用边缘检测方法提取标准模特图像的特征曲线,检测个性化体型模特图像的体型参数值,获取已变形的各特征区域的外轮廓,进而确定服装试穿素材图像待变形区域外轮廓,对服装试穿素材图像待变形各区域进行插值处理,得到变形后的服装试穿素材图像,从而模拟基于个性化体型的试穿效果。仿真实验结果证明了该方法具有较高的鲁棒性与有效性。     

Elastic-model driven analysis of several views of a deformablecylindrical object

This paper proposes a method to extract regions of a deformable object from several views of it while finding the correspondence of the object among the views. The method has been developed to analyze X-ray images of a stomach. Owing to the physical (not physiological) deformation of the stomach and changes of the camera angle, the shape of the stomach regions are fairly different among the images. In order to collectively analyze these images, we use an elastic stomach model. Firstly, our method builds an elastic stomach model based on the stomach shape in one image. Considering each photographing condition, the deformation of the stomach in each image is simulated with the elastic model. Referring to the predicted contour which is obtained by projecting the deformed model from the camera angle of each image, the contour is robustly extracted from noisy images in a model-driven way. Since the predicted contour registered in each image corresponds with the elastic model, the position of each stomach part in the image is simultaneously obtained; corresponding parts can be found among the images through the model. Experimental results of analyzing several types of stomach X-ray images are shown and discussed