基于B样条插值函数的人脑MR图像非刚体配准方法

提出了一种B样条插值函数结合图像特征标记的人脑MR图像非刚体配准方法。图像的特征标记选取图像的内外部轮廓来描述,目标和源特征之间的对应关系通过距离图来自动获得。形变过程采用B样条曲面函数插值来完成。通过多级B样条插值方法,即先全局计算后局部细化的方法来逐步优化形变结果。实验表明,该算法在不失准确度的前提下,具备较快的计算速度。     

基于B样条的快速弹性图像配准方法

论文提出了一种基于B样条的医学图像快速弹性配准方法。该方法在原有方法的基础上引入“分块计算,部分更新”的策略来提高运行速度。实验结果表明,论文方法与原有方法相比,配准效果相似,但配准速度却显著提高,因此是一种实用的弹性配准方法。     

基于薄板样条的非刚体医学图像配准

非刚体图象配准是非线性的图像配准方法,它能够实现图像之间的配准,为提高医学图像配准精度,对于形变较大的多模图像的配准等都有着重要的作用.提出了一种基于薄板样条的3D/2D非刚体医学图象配准算法,算法首先提出一个混合能量公式,在配准的过程中,用薄板样条法实现全局配准,并通过仿真退火算法进行迭代,以缩小并确定变形的待配准区域.在局部的待配准区域,采用互信息的方法进行配准.解决了因特征点不足引起的不完整匹配问题,使得图像连续平滑,以得到较优的配准效果.     

基于B样条和L-M优化方法的快速弹性配准

提出了一种快速医学图像弹性配准计算方法。该方法应用B样条变形模型,由于三次B样条函数具有连续二阶微分的特性并且可以单独计算,该方法采用了基于B样条卷积核的卷积计算方法,提高了计算速度。同时该方法应用Levenberg-Marquardt优化方法计算控制系数,此优化方法充分应用关于控制系数的Hessian矩阵,使形变更为平滑。使用卷积计算及Levenberg-Marquardt优化方法不仅有很高的计算速度,也有很强的配准鲁棒性。为了得到平滑稳定的偏移量,该方法应用先验知识对代价函数进行了修正,从而对偏移量进行约束。     

基于B样条的弹性点配准方法

为了更好地进行图像弹性点的配准,提出了一种利用Hausdorff距离测度的弹性点配准方法。该方法以B样条为弹性形变模型,并具有较强的抵御杂点影响的能力。在此基础上又提出了序贯更新策略,即通过将源图像和控制点网格进行分块的方法来序贯更新弹性配准参数,从而进一步提高了算法的运算速度。为验证该方法的配准效果,采用该方法进行了合成图像、手写字体和脑部MRI图像的弹性配准实验。实验结果表明,该方法在基于特征的弹性配准应用中具有较好的使用效果。     

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。     

基于多薄板样条的多视角非刚性配准算法EI北大核心CSCD

为解决多视角配准中带有低频非刚性形变的深度数据容易产生累积误差、重叠区域未对齐等问题,提出一种基于多薄板样条的多视角非刚性配准算法.首先通过局部迭代最近点刚性配准算法得到重叠视角深度数据之间的对应点;然后基于多薄板样条的全局优化能量公式为每个视角求解一个薄板样条变换,使所有对应点之间距离的平方和最小;最后将优化后的薄板样条变换应用于每个视角的深度数据.通过在优化模型中引入初始点位置约束,该算法能使配准后的数据尽可能保持初始形状.为了加快求解速度,迭代地求解每个薄板样条变换,并且在优化过程中增量式地引入径向基函数.实验室结果表明,文中算法有较高的精度和效率,能够有效地减少累积误差并且提升重叠区域的对齐效果.     

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。     

基于模型的医学图像形变配准在图像引导放疗中的应用研究进展

为了使人们对基于模型的形变配准在图像引导放疗中的应用状况有个概略了解,在对目前有关基于模型的形变配准方法在图像引导放疗中的应用研究进行调研的基础上,根据形变配准的形变模型和特征空间的选取、相似性度量标准的选取、空间优化等3个主要步骤,以及形变配准方法验证4个方面,对有关基于模型的形变配准方法的文献进行了扼要的分类统计。统计结果表明：目前的形变配准方法在图像引导放疗中的应用研究方向正趋向于在保证形变配准方法的精度与准确度的基础上,通过多分辨率、不同尺度等级、并行计算以及不同优化算法结合等方法来缩短配准时间方面,以满足临床应用的要求。     

一种简单的医学图像刚体配准方法

医学图像配准技术是当前医学图像处理研究的热点.从二维医学图像的刚体变换出发,针对单模态医学图像的配准,研究了基于投影的医学图像配准方法.该方法通过二值化参考图像和浮动图像,沿X轴和y轴投影得到投影向量,然后根据投影向量元素的大小和位置,分别检测图像间旋转、平移运动的大小.仿真实验证明,该方法不失为一种简单有效的图像配准方法.     

非刚性医学图像配准研究综述

非刚性配准技术是医学图像配准中的一个重要研究课题,是非刚性组织配准,不同个体之间的配准以及个体同图谱配准的基础。该文提出了多项式法、样条函数法等基于空间变换的配准方法,以及弹性模型、粘性流体模型和光流场模型等基于物理模型的配准方法两大类方法。同刚性配准相比,非刚性配准技术还不成熟,计算效率和稳定性还需要进一步提高,仍是一个非常活跃的研究领域。     

基于自适应分数阶的医学图像非刚性配准

现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢. 分数阶主动Demons (Fractional active Demons, FAD)算法是解决该问题的有效方法, 并且适用于图像的非刚性配准. 但FAD中的最佳分数阶阶次是人工交互选取, 并且对整幅图像都是固定不变的. 为了解决该问题, 提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准中. 算法首先根据图像的局部特征建立分数阶阶次自适应的数学模型, 并逐像素计算最优阶次, 基于该阶次构造Riemann-Liouvill (R-L)分数阶微分动态模板; 然后将自适应R-L分数阶微分引入到Active Demons算法, 在一定程度上缓解了图像配准在弱边缘和弱纹理区域易陷入局部最优问题, 从而提高了配准精度. 通过在两个医学图像库上进行实验验证, 实验结果表明该方法可以处理灰度均匀、弱纹理和弱边缘的医学图像非刚性配准, 配准精度得到较大提升.     

三维动态模型的非刚性注册技术综述

三维动态模型表示了物理世界中随时间演变的动态对象,通过非刚性注册匹配扫描获取或手工合成的离散帧序列是生成三维动态模型的核心问题,是当前学术界和产业界关注的新焦点。如何注册三维动态模型是极富挑战性的工作,因为它包含了完全交织在一起的对应关系计算和非刚性变换等具有非线性性质的问题的求解,此外,输入的帧数据通常不完美,因此解决非刚性注册问题的难度很大。文章概述了三维动态模型非刚性注册的原理、属性和应用,系统地介绍了这一领域的工作成果并进行了分类,分析了典型算法的优缺点,最后展望了这一技术的发展前景。     

大形变微分同胚图像配准快速算法

本文提出一种研究大形变图像配准算法. 大形变使得图像信息和拓扑结构有较大的改变, 目前该方面的研究仍然是一个难点. 基于严密数学理论的微分同胚Demons算法是图像配准的著名算法, 为解决大形变配准问题提供了重要基础. 基于对微分同胚Demons算法的研究结合流形学习的思想提出一种大形变图像配准的新算法(MRL算法). 新算法通过挖掘图像的局部和全局流形信息改进微分同胚Demons 速度场的更新, 更好地保持图像的拓扑结构. 对比实验结果表明, 本文所提出的算法能够快速高精度地实现大形变图像的配准.     

Non-Rigid Multi-Modal Image Registration Using Cross-Cumulative Residual Entropy

In this paper we present a new approach for the non-rigid registration of multi-modality images. Our approach is based on an information theoretic measure called the cumulative residual entropy (CRE), which is a measure of entropy defined using cumulative distributions. Cross-CRE between two images to be registered is defined and maximized over the space of smooth and unknown non-rigid transformations. For efficient and robust computation of the non-rigid deformations, a tri-cubic B-spline based representation of the deformation function is used. The key strengths of combining CCRE with the tri-cubic B-spline representation in addressing the non-rigid registration problem are that, not only do we achieve the robustness due to the nature of the CCRE measure, we also achieve computational efficiency in estimating the non-rigid registration. The salient features of our algorithm are: (i) it accommodates images to be registered of varying contrast+brightness, (ii) faster convergence speed compared to other information theory-based measures used for non-rigid registration in literature, (iii) analytic computation of the gradient of CCRE with respect to the non-rigid registration parameters to achieve efficient and accurate registration, (iv) it is well suited for situations where the source and the target images have field of views with large non-overlapping regions. We demonstrate these strengths via experiments on synthesized and real image data.     

基于改进Demons算法的乳腺X线摄片非刚性配准

Demons算法是一种基于灰度信息的全自动非刚性配准方法,其配准结果容易受图像之间灰度不一致的影响,且迭代收敛速度较慢.针对这两个问题,提出了一种基于多项式最小二乘拟合的灰度归一化方法对灰度进行匹配,并在迭代过程中自适应调整浮动图像所受作用力以加快收敛速度.用改进后的算法与原算法及其他改进算法分别对乳腺X线摄片进行配准实验,对比结果表明,本文的改进方法能够更快地产生更精确的配准结果,配准后的图像增强了乳腺组织的真实变化,有利于乳腺癌的早期诊断.     

非介入式手术导航中医学图像配准算法

提出一种用于非介入手术导航中基于自由变形模型的多模态医学图像非刚性配准方法,对术前MRI/CT和术中超声图像中都可见的血管结构进行配准.当图像对准时,一种图像中的血管中心点对应着另一种图像下灰度脊点;对于全局变换采用刚性变换、局部形变采用基于函数控制B样条的自由变形模型来描述;采用遗传算法和共轭梯度法相结合达到最小化目标函数.将文中算法应用于体模和临床数据,在配准精度和收敛速度上都取得了良好的效果.     

Image Registration Using Wavelet-Based Motion Model

An image registration algorithm is developed to estimate dense motion vectors between two images using the coarse-to-fine wavelet-based motion model. This motion model is described by a linear combination of hierarchical basis functions proposed by Cai and Wang (SIAM Numer. Anal., 33(3):937–970, 1996). The coarser-scale basis function has larger support while the finer-scale basis function has smaller support. With these variable supports in full resolution, the basis functions serve as large-to-small windows so that the global and local information can be incorporated concurrently for image matching, especially for recovering motion vectors containing large displacements. To evaluate the accuracy of the wavelet-based method, two sets of test images were experimented using both the wavelet-based method and a leading pyramid spline-based method by Szeliski et al. (International Journal of Computer Vision, 22(3):199–218, 1996). One set of test images, taken from Barron et al. (International Journal of Computer Vision, 12:43–77, 1994), contains small displacements. The other set exhibits low texture or spatial aliasing after image blurring and contains large displacements. The experimental results showed that our wavelet-based method produced better motion estimates with error distributions having a smaller mean and smaller standard deviation.     

Curvature Based Image Registration

A fully automated, non-rigid image registration algorithm is presented. The deformation field is found by minimizing a suitable measure subject to a curvature based constraint. It is a well-known fact that non-rigid image registration techniques may converge poorly if the initial position is not sufficiently near to the solution. A common approach to address this problem is to perform a time consuming rigid pre-registration step. In this paper we show that the new curvature registration not only produces accurate and smooth solutions but also allows for an automatic rigid alignment. Thus, in contrast to other popular registration schemes, the new method no longer requires a pre-registration step. Furthermore, we present an implementation of the new scheme based on the numerical solution of the underlying Euler-Lagrange equations. The real discrete cosine transform is the backbone of our implementation and leads to a stable and fast O(N log N) algorithm, where N denotes the number of voxels. Finally, we report on some numerical test runs.