基于颅骨自动配准的颅面复原方法

主要介绍了基于颅骨配准的颅面复原方法,其中颅骨配准算法采用ICP+CPD方法。试验表明,该方法复原效果良好,并对缺损颅骨具有一定的鲁棒性。     

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。     

颅骨点云模型的局部特征配准方法

目的 点云配准是计算机视觉领域里的一个研究热点,其应用领域涉及3维重建、目标识别、颅面复原等多个方面。颅骨配准是颅面复原的一个重要步骤,其配准的正确与否将直接影响到颅面复原的结果。为了提高颅骨配准的精度和收敛速度,提出一种基于局部特征的颅骨点云模型配准方法。方法 首先提取颅骨点云模型的局部深度、法线偏角和点云密度等局部特征;然后计算局部特征点集的相关性,得到相关候选点集,并通过删减外点实现颅骨点云的粗配准;最后采用基于高斯概率模型和动态迭代系数的改进迭代最近点 （ICP） 算法实现颅骨的细配准。结果 通过对公共点云数据模型以及颅骨点云数据模型分别进行配准实验,结果表明,基于局部特征的点云配准算法可以完成点云模型的精确配准,特别是对颅骨点云模型具有较好的配准效果。在颅骨细配准阶段,跟ICP算法相比,改进ICP算法的配准精度和收敛速度分别提高了约30%和60%;跟概率迭代最近点 （PCP） 算法相比,其配准精度差异不大,收敛速度提高了约50%。结论 基于局部特征的点云配准算法不仅可以用于公共点云数据模型的精确配准,而且更适用于颅骨点云数据模型的配准,是一种精度高、速度快的颅骨点云模型配准方法。     

基于兴趣边缘优化的壁画影像与激光扫描数据非刚性配准

将壁画影像与激光扫描数据配准,并进行定位和纠正在壁画的数字化保护中有非常重要的意义.本文以激光扫描数据强度信息为中介,提出了一种基于兴趣边缘优化的壁画影像与激光扫描数据的非刚性配准方法:由激光扫描数据生成强度影像,以壁画彩色影像的兴趣边缘和强度影像的梯度场作为配准基元,在影像刚性配准基础上,对每条兴趣边缘进行优化配准,然后以优化后边缘的特征点为控制点,构造影像之间的非刚性变换模型,完成壁画影像与激光扫描数据的配准.实验结果表明本方法在不同数据中都能获得较高的配准精度.     

非刚性医学图像配准与融合

非刚性医学图像的突出特点是不同图像间可能存在着较大的形态差异,因此非刚性医学图像的配准与融合是一项极富挑战性的研究工作.本文重点对现有的非刚性医学图像配准与融合的方法进行了归纳、总结和整理,并根据作者自己的研究体会,对这一领域内的发展方向做出了展望.     

基于特征的自适应正则化配准算法*

Andriy Myronenko提出了一种自适应正则化的方法并将其应用于非刚性图像的配准,该方法在配准速度和配准精确度方面都取得了比较好的效果。但该方法对变形场初始值比较敏感,选择不当则会陷入局部极小值而不能得到理想的配准结果。为了使原始算法得到更广泛的应用,本文引入了基于特征点的粗配准方法,得到了与真实变形场更加接近的初始变形场,从而摆脱了局部极小值的困扰,得到了正确的配准结果。实验证明,改进后的算法在应用范围和配准精度上都有了提高。     

基于全局与局部相似性测度的非刚性点集配准

非刚性点集配准算法中，能否找到正确的对应关系对配准结果起着至关重要的作用，而通常两个点集中的对应点除了距离比较接近之外还具有相似的邻域结构，因此提出基于全局与局部相似性测度的非刚性点集配准算法。首先，使用一致性点漂移（CPD）算法作为配准框架，采用高斯混合模型对点集进行建模。然后，对全局局部混合距离进行改进，形成全局与局部相似性测度准则。最后，采用期望最大化（EM）算法迭代地求解对应关系和变换公式：在迭代初期局部相似性所占比重较大，从而能够尽快地找到正确的对应关系；随着迭代的进展全局相似性比重逐渐增大，从而确保得到较小的配准误差。实验结果表明，与薄板样条鲁棒点匹配（TPS-RPM）算法、高斯混合模型点集配准（GMMREG）算法、基于L₂E估计的鲁棒点匹配算法（RPM-L2E）、基于全局局部混合距离与薄板样条的点集配准算法（GLMDTPS）和CPD算法相比，所提算法的均方根误差（RMSE）分别下降了39.93%、42.45%、32.51%、22.36%和11.76%，说明该算法具有较好的配准效果。     

子宫肌瘤MRI影像非刚性配准研究

高强度聚焦超声(High-Intensity Focused Ultrasound,HIFU)治疗和磁共振技术结合(MRI-guided HIFU,MRgHIFU)采用MRI进行目标定位、治疗规划和能量沉积的闭环控制以保障热消融不伤及周围组织,其中图像配准是校正定位误差,实施精确治疗的重要环节。针对三维非刚性配准方法,在子宫肌瘤的治疗计划修正和跟踪方面的应用进行研究。针对前后两个不同时段采集的子宫肌瘤MR影像,分别进行基于自由形变模型(Free-From Deformation,FFD)算法和Demons算法的非刚性配准对比。实验结果表明,该基于FFD的非刚性配准算法,对于形变较小的子宫肌瘤真实数据能够取得较为合适的配准效果,重叠区域的互相关系数(CC)从配准前的0.59提高到配准后的0.74。     

基于非刚性配准的交互式医学图像序列分割

提出了一种新的交互式医学图像序列分割算法,该算法将非刚性配准技术和解剖先验知识相结合把图像分割问题转化为图像配准问题。首先采用Demons算法进行图像配准,用光流法计算瞬时位移,设计了一个新的停止准则使其能自适应地确定迭代次数,并将它在金字塔型的多尺度框架下实现。然后用配准得到的形变域对已精确分割的图像进行形变就能自动地获得未分割目标图像的分割结果。扩展上述过程就可实现整个图像序列分割。试验结果表明该算法用户干预少、分割速度快、分割结果准确。     

基于ICP和CPD的颅骨自动配准算法

颅骨配准是计算机辅助的三维颅面复原技术的重要研究内容之一.颅骨配准的准确与否会直接影响到将来颅面复原的准确性.为此,提出一种新的3D颅骨自动配准算法.该算法考虑到颅骨模型的特殊结构与实现的简便性,首先自动提取颅骨不光滑区域的脊线(Crest lines)以及光滑区域的顶点作为特征点,然后利用迭代最近点(ICP)算法进行粗配准,在此基础上,再采用CPD(Coherent Point Drift)算法对颅骨进行精确配准.实验结果表明,该算法能有效提高颅骨配准的准确性并对缺损颅骨具有一定的鲁棒性.     

基于测地回归模型的颅面复原

颅面复原是指根据一个未知颅骨的特征预测出对应的面貌,在考古研究、医学整容、刑事案件调查等领域有重要应用.为解决颅面复原过程中存在着数据量大、需要大量标定特征点的手工工作及颅面特征点定义困难的问题,针对三角网格表示的三维颅骨和面皮模型,将颅面模型用从鼻尖出发的一组测地线表示,提出了基于测地回归的颅面复原方法.该方法首先从...     

基于keren改进配准算法的POCS超分辨率重建

详细介绍了keren亚象素配准算法及其不足,提出了keren算法及其迭代算法的改进算法。该算法基于简化的四参数仿射变换模型而不是传统的刚体变换模型,成功地避免了keren算法因为角度的泰勒级数展开所带来的误差,大大地提高了配准精度。实验仿真结果表明该算法与keren迭代算法相比角度绝对误差显著的降低;平移参数在15°的大角度旋转情况下获得了0.1个象素以下的绝对误差精度,在小角度的情况下获得了0.01个象素以下的绝对误差精度,最后采用POCS方法进行序列图像的高分辨率重建,实验仿真结果表明基于改进配准算法的POCS重建具有良好的配准精度和超分辨率重建效果。     

基于Matlab的颅面三维重构技术

介绍了一种以Matlab为工具实现颅面三维重构的方法。给出了利用该方法处理医学图像、构造体数据集和三维重构的全过程。提出了完成医学图像三维重构的技术路线、方法和步骤。为医学图像的三维可视化技术提供了一种新的可能。     

颅面复原方法综述

颅面复原是一项依据人的颅骨恢复其对应的面部相貌的研究,在公安法医学、考古学、医学整形等诸多领域有普遍应用,传统手工颅面复原耗费时间长且复原结果难以实现,而近年来逐步兴起的计算机辅助颅面复原方法使得复原结果更加真切、高效。重点归纳和分析计算机辅助颅面复原技术,该复原技术主要基于知识的颅面复原方法和统计模型法,对其中的基于稀疏软组织厚度的颅面复原、基于稠密软组织厚度的颅面复原、统计形变模型和回归模型等重要方法进行详细的阐述,并将各种方法优缺点进行对比,帮助研究人员全面了解颅面复原方法。     

基于Snake模型和射线法的颅面重建方法

MC颅面重构方法复原的面皮和颅骨三角片数量大且存在杂质。针对该问题,基于断层轮廓序列,利用改进的Snake模型提取闭合颅骨轮廓线,通过射线法对该轮廓线进行二次处理得到最外层轮廓线,从而实现颅面三维重构。实验结果表明,该方法在颅面数据量较小的情况下,可以准确表达人的面部和颅骨的形态信息。     

基于图像配准的POCS超分辨率图像重构

图像重构是数字图像处理的一个重要的分支,根据图像序列进行重构的高分辨率图像在多种应用邻域得以应用。该文简要介绍了图像成像原理以及降阶模型,并提出在图像配准的基础上,对图像序列采用POCS方法高分辨率重构,将图像校准算法和POCS方法有机地结合在一起,同时给出了其中详细的算法和实现过程。实验仿真结果表明该算法当图像间平移量小于10个象素、旋转角小于5时收敛,且运算量小,收敛速度快,具有很好的图像超分辨率重构能力。     

基于图像配准的栅格地图拼接方法

栅格地图拼接是多移动机器人协同创建环境地图中的一项关键技术. 本文提出一种图像配准意义下的栅格地图拼接方法. 该方法将栅格地图拼接问题视为图像配准问题, 建立相应的目标函数, 并给出局部收敛的迭代最近点算法求解该目标函数. 为获得最优的拼接结果, 该方法从待拼接的地图中提取局部不变特征, 并借助随机抽样一致性算法分析初始拼接参数, 以作为迭代最近点算法的初值. 最后, 提出了拼接参数已知时的栅格地图融合规则. 实验结果表明, 该方法能可靠地实现栅格地图拼接, 且具有精度高和速度快的优点.     

一种基于Hausdorff 度量的多传感器图像配准方法

描述了一种基于Hausdorff 度量的合成孔径雷达和光学图像配准方法。首先用基于低帽滤波的方法提取待配准图像的闭合轮廓。然后对较长的轮廓进行Hausdorff 度量初匹配, 并对初匹配的结果使用轮廓中心的相对距离比直方图聚束检测法进行一致性检测。最后, 在得到正确的闭合轮廓对后, 使用最小二乘法计算图像的变换参数。考虑到雷达图像的相干斑噪声以及多传感器图像成像时间造成的变形, 多传感器图像提取的轮廓会有一定的差别。而Hausdorff 度量对误差有很好的容忍性, 因此本方法可以对多传感器图像进行配准。     

特征点自动标定的颅面复原及其评估方法

为了采用计算机技术从人头颅骨样本重构出个性化的三维表面面部特征,提出一种特征点自动标定的颅面复原算法.首先利用特征点自动标定算法对待复原颅骨模型进行特征点标定;然后在基于模板变形的颅面复原算法基础上引入Laplace坐标网格变形技术,以实现待复原颅骨模型的颅面复原.为了验证文中算法进行颅面复原结果的可靠性,提出一种采用计算颅面整体特征和局部特征相似度的颅面复原结果评估方法.实验结果表明,文中提出的特征点自动标定算法大大提高了颅面复原前期工作的效率,颅面复原算法对待复原颅骨的颅面复原取得了良好的复原效果;同时,颅面复原结果评估方法达到了主观与客观评价上的一致,对复原结果验证有良好的指导作用.     

基于混合仿射模型配准的IBP超分辨率重建

针对传统的配准只考虑几何因素的不足,提出一种基于几何和光度混合仿射模型的配准迭代算法。该算法避免keren算法因为角度的泰勒级数展开所带来的误差,大幅提高配准精度,而且使图像亮度得到保持。与传统的仿射变换相比,平均平移误差精度达到了0.165个像素。采用迭代反投影算法对配准后的图像序列进行超分辨率重建。实验结果表明,超分辨率重建结果的信噪比和结构相似度有了较大提高。