自适应变异差分算法与Powell算法相结合的医学图像配准

图像配准是医学图像处理中的关键技术。文中提出一种自适应差分算法(Difference Algorithm,DE)和Powell算法相结合的多分辨率医学图像配准方法,其不仅可以克服Powell算法依赖初始点的缺点,还可以降低陷入局部极值的几率。首先,对源图像进行多分辨处理,获得包括源图像在内的三层图像;然后,在低分辨率图像上使用自适应DE算法进行全局变换参数的搜索,获得的变换参数作为Powell算法的初始点;最后,在高分辨率图像及源图像上使用Powell算法进行配准。与传统实验相比,该方法具有更高的精确度,能够有效避免局部收敛问题。     

基于改进FCM聚类医学图像配准

ICP和互信息广泛应用于医学图像配准,但存在以下问题：其计算量非常大,耗时长;受初始旋转和平移参数影响较大,图像配准容易造成目标函数陷入局部最优值。该方法通过计算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FCM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,可以算出该直线的斜率,得出其倾斜角,从而获得配准旋转初始值。实验结果表明,该方法既可用于单模态图像配准,也可以用于多模态配准。还具有运算量少、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ICP算法的医学图像几何配准技术

几何配准是医学图像领域研究的重要内容，医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型，讨论了基于轮廓特征的ICP医学图像几何配准算法，从技术上实现了术前建模和术中取点，并编制相应的ICP算法程序。     

变参数active demons算法下的多通道弥散张量图像配准

目的 弥散张量图像（DTI）配准不仅要保证配准前后图像解剖结构的一致性，还要保持张量方向的一致性。demons算法下的多通道DTI配准方法可充分利用张量的信息，改善配准质量，但大形变区域配准效果不理想，收敛速度慢。active demons算法能够加快收敛速度，但图像的拓扑结构容易改变。由此提出一种变参数active demons算法下的多通道DTI配准方法。方法 综合active demons算法中平衡系数能加快收敛速度、均化系数能提高DTI配准精度的优点，手动选择一个均化系数，并在算法收敛过程中随着高斯核的减小动态调整平衡系数。在配准开始时采用较小的平衡系数获得较快的收敛速度，随着收敛的加深逐渐增大平衡系数获得较小的配准误差。结果 active demons方法能改善DTI大形变区域的配准问题，但均化系数太小会改变图像拓扑结构。固定均化系数，引入单一的平衡系数能加快收敛速度，但会导致拓扑结构改变。变参数active demons方法有效提高了配准的收敛速度，明显改善大形变区域的配准效果，同时能保持图像拓扑结构不变。变参数active demons配准后的10组数据均获得最小均方差（MSE）和最大特征值特征向量对重叠率（OVL），配准精度最高。在0.05的配对样本t检验水平下，变参数active demons和active demons方法配准后的MSE、OVL的差异均有统计学意义；变参数active demons和demons方法配准后的MSE、OVL的差异均有统计学意义（p<0.05）。结论 变参数active demons算法下的多通道DTI配准方法明显提高了配准精度和速度，改善了demons方法不能有效配准大形变区域的问题，同时能够保持配准前后图像的拓扑结构，尤其适合个体间形变较大的DTI配准。     

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.     

基于粒子滤波和模拟退火方法的图像配准

图像配准技术在很多领域都应用广泛,如在医学图像分析、计算机视觉、遥感图像等。在仿射变换模型下,只需知道仿射变换参数即可对图像进行配准。为了准确快速地配准,论文在贝叶斯框架下,提出了一种基于粒子滤波和模拟退火法相结合的图像配准算法。首先通过观测模型得到参数的后验概率分布,利用粒子滤波逐步迭代并更新权值来逼近参数的真实值,再利用重构的概率分布模型获得准确的仿射变换参数,对图像进行配准。在粒子更新阶段利用模拟退火算法改进寻优过程,提高运算效率,使结果快速收敛。最后通过实验验证,该文方法易于实现,有较高的准确性和鲁棒性。     

粒子群优化的CNN互信息医学图像配准算法

图像配准首先要对原始图像的边缘进行提取。细胞神经网络(CNN)模板在边缘提取方面具有较好应用,但CNN模板参数采用估算方法得到,在处理边缘模糊的医学图像时检测精度不高。引入粒子群算法让模板参数通过自主学习进行优化,生成精确的CNN模板用于提取图像边缘。然后将边缘提取结果与原始图像进行几何转换和融合,并将融合图像与参考图像进行互信息相似性度量,为使互信息最大,再次利用粒子群算法参数优化。实验应用于医学图像,结果表明提出的配准算法在配准速度和精度上都有较大提高。     

基于Kinect深度图像的三维重建

随着机器视觉理论的发展和硬件技术的进步,三维重建在生产、生活中的应用越来越广泛,基于Kinect传感器的三维重建得到广泛的应用。针对于现有的Kinect传感器获得的深度图像深度信息丢失的问题,提出了一种新的基于均值滤波的方法对深度图像进行去噪,并对深度图像进行预处理,获取三维点云,用迭代最近点(Iterative Closest Point,ICP)算法完成点云的精确配准,从而得到配准后物体表面三维点云,并完成物体的三维重建。     

一种遥感影像的自动配准方法

图像配准技术是图像融合、图像镶嵌以及影像三维重建的基础．提出了一种基于SUSAN(Smallest Univalue Segment Assimilating Nucleus)算子的图像配准方法．利用SUSAN算子提取两幅图像的角点，通过粗匹配和细匹配两个步骤得到匹配角点对．根据这些角点对对图像配准．试验表明该方法能有效的实现影像自动配准．     

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FCN和互信息的医学图像配准技术研究

针对传统配准方法在进行三维多模态图像配准时存在收敛速度较慢、容易陷入极值等问题,提出一种基于全卷积神经网络（Fully Convolutional Networks,FCN）和互信息的配准方法。利用FCN模型提取二维图像深层特征并进行粗配准;将得到的配准结果作为互信息算法的初始搜索点,从而使搜索范围缩小至全局最优解附近;利用互信息算法对参数进一步微调优化,得到最优三维配准结果。实验结果表明,在进行CT-MR图像配准时,所提方法不仅可以大幅度提升配准速度,还能有效避免局部收敛的情况,具有更高的准确性。     

快速数字影像重建的2维/3维医学图像配准

目的 针对2D/3D医学图像配准过程中数字影像重建技术(DRR)生成图像和相似性程度测量两个步骤计算量大、耗时较长这一问题,提出了一种基于Bresenham直线生成算法改进的模式强度与梯度相结合的混合配准算法.方法 首先利用Bresenham直线生成算法原理改进传统光线投射算法(Ray-Casting),完成DRR图像的生成;其次模式强度与梯度相结合并引入多分辨率策略来降低相似性测度的计算复杂度;最终利用改进的鲍威尔优化算法对参数进行优化,完成整个配准过程.结果 实验结果表明,改进的混合配准算法与基于相关系数、互信息和模式强度的配准算法相比,配准效率大幅提升.模拟配准实验和临床配准实验完成时间分别为76.2 s和64.9 s,比传统配准算法效率提升3~6倍.结论 提出的算法在保证配准精度和高鲁棒性的前提下,大幅度地提高了2D/3D医学图像配准算法的运算速度,可以满足临床上精确引导手术进行的实时性要求.     

基于姿态编码器的2D/3D脊椎医学图像实时配准方法

2D/3D医学图像配准是骨科手术三维实时导航中的一项关键技术,然而传统的基于优化迭代的2D/3D配准方法需要经过多次迭代计算,无法满足医生在手术过程中对于实时配准的要求。针对该问题,提出一种基于自编码器的姿态回归网络来通过隐空间解码捕获几何姿态信息,从而快速地回归出术中X射线图像对应的术前脊椎位置的3D姿态,并经过重新投影生成最终的配准图像。通过引入新的损失函数,以“粗细”结合配准的方式对模型进行约束,保证了姿态回归的精确度。在CTSpine1K脊椎数据集中抽取100组CT扫描图像进行10折交叉验证,实验结果表明：所提出的模型所生成的配准结果图像与X射线图像的平均绝对误差（MAE）为0.04,平均目标配准误差（mTRE）为1.16 mm,单帧耗时1.7 s。与基于传统优化的方法相比,该模型配准时间大幅缩短。相较于基于学习的方法,该模型在快速配准的同时,保证了较高的配准精度。可见,所提模型可以满足术中实时高精配准的要求。     

基于P样条和局部互信息的非刚性医学图像配准*

为了克服互信息仅考虑两幅图像相应像素的灰度信息,忽略了图像本身的内在空间信息,以及B样条变换模型存在形变场奇异点的缺陷,提出一种基于P样条和局部互信息的非刚性医学图像配准方法。该方法以局部互信息为相似性测度,采用P样条变换模型模拟待配准图像的几何形变,然后使用三次插值算法对图像像素进行赋值,结合对大规模参数优化效率高的LBFGS算法对配准参数进行优化。实验结果表明,该方法较传统的互信息和B样条变换模型都有效地提高了配准的精度。     

小物体3维重建中影像与几何模型的配准

目的 近景摄影测量中的目标几何形状复杂,且拍摄影像的角度变化大,给影像与几何模型的配准带来了困难。传统单幅影像与几何模型配准的做法,由于缺乏自动粗配准的方法,效率相对较低。将多视影像首先统一坐标系的做法,在近景目标的复杂背景下也难以实现。方法 为此,将近景目标置于平面标定板上,利用相机标定的方法同时解算出影像的内外方位元素,实现多视影像坐标系的统一。然后人工选取3组以上同名点,做多视影像与几何模型的绝对定向,得到初始配准参数。最后使用多视影像与几何模型漫反射渲染图之间的归一化互信息作为相似性测度,用Powell非线性优化方法得到配准参数的精确值。结果 实验结果表明,使用标定板可以稳定地获取多视影像的内外方位元素,用绝对定向得到的配准参数进行影像和几何模型的交替显示仍然可以看到明显的裂缝,在经过互信息优化后裂缝现象得到明显改善。结论 多视影像与几何模型配准相比传统单幅影像与几何模型配准,人工选取同名点的工作量大大减少,由于人工选点存在误差,影响绝对定向的精度,使用归一化互信息作为测度进行非线性优化,可以获得更高的精度。     

基于角点特征和最大互信息的图像配准

基于互信息的配准方法是图像配准领域的重要方法。互信息是图像配准中常用的相似性度量,具有鲁棒、精度高等优点,但基于互信息的配准计算量大,制约了它的实际应用。文章提出一种基于角点和最大互信息配准方法:首先采用间接算法来计算曲率的极大值点,从而能快速准确的提取角点集;接着计算两幅图像角点集间的互信息,最后通过POWELL算法搜索使互信息最大以实现配准。实验表明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性。     

一种融合纹理的三维图像重建快速实现方法

为了得到完整的三维模型,介绍了一种融合纹理的三维图像重建快速实现方法。通过对不同视角的深度图像的手动粗配准、ICP算法精配准以及全局配准得到这些深度图像的旋转平移矩阵。通过vrippack,三维重建出完整的三维图像,用TextureStitcher对得到的三维图像进行纹理映射,从而实现融合纹理的三维图像的快速重建。文中在论述配准算法主要思想和实现步骤的同时,也用实验验证了方法的可行性与通用性。     

三维表面与平面数据间的自适应配准

三维体数据与二维平面数据间的配准是手术导航的基础。与以往的思路有所不同,论文通过把三维表面投影到平面上,利用光照模型计算投影平面的灰度值,实现投影图像与实拍照片间的匹配,在匹配中调整投影参数使得两平面图像达到最佳相似,进而实现三维到二维的自适应配准。     

MC算法在医学图像三维重建中的应用

详细介绍了MC算法,提出了优化网格模型简化算法。优化网格模型简化算法选取坐标点的原则是,尽可能地接近原始网格,通常采用子集选择法或优化选择法。在尽可能保证图像精度的前提下,优化网格模型简化算法可以提高运算速度,而单纯的网格算法由于失真严重而缺乏实用价值。基于体绘制的网格化简化算法重建的三维模型比较完全,且算法简单,在多排螺旋CT等医学图像三维重建中有较好的应用。