Feature-based registration of retinal images

Registration of retinal images taken at different times frequently is required to measure changes caused by disease or to document retinal location of visual stimuli. Cross-correlation has been used previously for such registration, but it is computationally intensive. We have modified a faster algorithm, sequential similarity detection (SSD), to use only the portion of the template that contains retinal vessels. When compared to standard SSD and cross-correlation, this modification improves the reliability of detection for a variety of retinal imaging modalities. The improved reliability enables implementation of a two-stage registration strategy that further decreases the amount of computation and increases the speed of registration.     

Elastic registration of biological images using vector-spline regularization

We present an elastic registration algorithm for the alignment of biological images. Our method combines and extends some of the best techniques available in the context of medical imaging. We express the deformation field as a B-spline model, which allows us to deal with a rich variety of deformations. We solve the registration problem by minimizing a pixelwise mean-square distance measure between the target image and the warped source. The problem is further constrained by way of a vector-spline regularization which provides some control over two independent quantities that are intrinsic to the deformation: its divergence, and its curl. Our algorithm is also able to handle soft landmark constraints, which is particularly useful when parts of the images contain very little information or when its repartition is uneven. We provide an optimal analytical solution in the case when only landmarks and smoothness considerations are taken into account. We have applied our approach to perform the elastic registration of images such as electrophoretic gels and fly embryos. The validation of the results by experts has been favorable in all cases.     

基于多分辨率的多模态医学图像配准

提出了一种多分辨率多模态医学图像配准方法来提高图像的配准速度与精度。利用小波函数对图像进行多层分解,采用改进的Powell优化算法寻找待配准图像间的最大互信(MMI),配准首先从图像金字塔中分辨率最低的0层图像开始,将0层图像配准获得的变形参数作为1层图像配准的起始参数,重复该过程直到完成最高精度层的图像配准。CT/MRI和CT/PET图像配准结果证明基于小波分解的多分辨率配准方法具有避免优化算子陷入局部极值、算子收敛速度快和配准精度高等优点。     

一种基于频带一致性的多模态图像校准算法

提出了一种基于图像频带一致性的多模态图像校准算法,该方法通过调整图像频谱的带宽,利用带宽调整后图像的强度对代替传统互信息定义中的图像灰度值,可以有效地克服互信息的局部极值问题。理论分析和实验表明该方法是可行、有效的。     

Multimodal registration of retinal images using self organizing maps

In this paper, an automatic method for registering multimodal retinal images is presented. The method consists of three steps: the vessel centerline detection and extraction of bifurcation points only in the reference image, the automatic correspondence of bifurcation points in the two images using a novel implementation of the self organizing maps and the extraction of the parameters of the affine transform using the previously obtained correspondences. The proposed registration algorithm was tested on 24 multimodal retinal pairs and the obtained results show an advantageous performance in terms of accuracy with respect to the manual registration.     

Edge matching rate based on generalized acreage for images registration

This paper proposes an enhanced Edge Matching Rate (EMR) to gain good image registration based on Generalized Acreage (GA). Traditional EMR considers only matched pixels sum without concerns of the cause of unmatched pixels and the relationship between matched pixels. The modified EMR introduces the new concept of generalized acreage to measure the overlaying parts between the target image and the model. It also defines similarity of local occlusion and of local dithering to measure interference degree. Not only edge points are considered but also non-edge points, occlusion, and dithering. Using the same preprocessing, the experiments match images based on traditional EMR and the proposed EMR separately. Based on the proposed EMR the paper achieves more stable registration and higher precision.     

基于融合处理的遥感图像快速配准方法

综合利用、处理多源遥感图像数据的融合理论与方法的需求越来越大,其中配准是遥感图像融合中重要的预处理步骤.分析了图像配准三类方法的特点和存在的问题,研究了遥感图像融合与图像配准位置之间的关系,发现了融合后图像的平均梯度随配准偏差变化的规律.在此基础上,将图像配准与后续的图像融合结合起来考虑,提出了基于融合结果进行准确配准的新方法.为了降低计算复杂性,定义了新的融合图像和平均梯度的计算公式.实验结果验证了该新方法的快速有效性,适用于同质遥感图像的配准.     

基于不变特征的CCD影像与红外影像的自动配准

根据环境星可见光影像和红外影像的成像特点,针对大幅影像配准时计算量大、配准点分布严重不均匀以及错配率高等问题,提出了一种基于尺度不变特征变换(SIFT)的改进配准算法.首先,通过对影像进行分块提取SIFT特征关键点,实现了影像特征点的均匀化,同时加快了特征点的提取速度;然后,局部自适应地对特征点进行几何约束,从局部选取...     

基于SURF-DAISY算法和随机kd树的快速图像配准

提出了一种基于SURF-DAISY算法和随机kd树的快速图像配准方法,首先利用经典SURF特征检测器分别提取参考图像和待配准图像中的特征点,为了进一步提高算法速度,对SURF算法进行改进,利用DAISY描述符代替SURF原有的特征描述算法对特征点进行描述;之后通过随机kd树算法对参考图像和待配准图像的特征点进行匹配并且使用经典RANSAC(随机抽样一致性)算法剔除误匹配点对;最后用最小二乘法估算出最佳的空间几何变换参数,实现两幅图像的配准。实验结果表明:相对于标准的SURF算法,本文方法在基本保持性能不变的同时,配准过程所消耗的时间最多减少了45.6%。     

基于扩散方程和相位一致的异源图像配准算法

针对同一场景下的红外与可见光图像特征点难以提取和匹配的问题,提出一种基于扩散方程和相位一致模型的红外与可见光图像的配准算法。首先提出了收敛速度更快的扩散方程,并用该方程对红外图像除噪;其次利用改进的相位一致模型提取红外与可见光图像的视觉相似性结构;在相似性结构上提取特征点,进行二进制描述;最后采用汉明距离实现特征点匹配。实验结果表明,该算法能够有效滤除红外与可见光图像的差异,减小计算开销的同时实现图像的自动配准。     

基于Gabor滤波与数学形态学的视网膜图像增强方法

提出一种双尺度多方向的Gabor滤波器与数学形态学结合的视网膜图像增强方法。首先使用双尺度Ga-bor滤波器提取各个方向的主要血管信息并弱化背景,然后使用数学形态学top-hat变换来增强图像微小的细节,最后结合两种方法实现增强的动态调节。实验表明,该方法能够很好地增强视网膜图像中的血管信息,并大范围地弱化了背景和噪声,对于改善视网膜图像的视觉效果有极大帮助。     

基于优化ORB算法的遥感图像精确配准技术

对于遥感图像精准配准技术的问题,提出基于优化ORB算法的遥感图像精准配准技术。首先,实现特征匹配,通过改进ORB算法将特征点进行提取,并且实现描述符的创建及匹配,得到初始控制点;然后,使用随机采样一致性方法和变换参数估计相结合,将可能错误的匹配进行剔除;最后,通过最小二乘法对变换参数进行估计,实现图像的几何纠正。对算法配准技术进行实验,实验结果表明此方法得到的配准精度较高,能够进一步提高配准效率。     

基于JS测度和层次B样条的医学图像弹性配准

为了精确得到图像的不规则局部几何变形,提出了一种基于标记点的医学图像弹性配准新方法.首先用Jensen-Schur(JS)测度对图像进行粗配准,然后用该测度自动选取标记点对,最后用能够解决逼近精度和光滑性平衡问题的B样条细化的层次B样条插值技术来实现图像弹性配准.实验表明,本文提出的标记点自动选取方法能够产生准确的表示不规则局部变形的标记点对,所提出的配准方法能够产生光滑、准确的弹性配准变换.     

基于SIFT算法的异源遥感影像自动匹配研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为遥感图像的匹配带来了困难。主要利用图像特征点提取方法,使用具有尺度不变特性的SIFT(Scale Invariance Feature Transform)方法,对异源遥感图像进行配准和图像进行拼接操作,并进一步对SIFT算法进行优化,采用双向匹配策略。实验证明该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征差异的异源遥感图像的精确配准,同时实验验证了双向匹配算法用于SIFT特征点匹配中的优越性,证明其为一种好的匹配测度。     

基于改进配准测度的红外与可见光图像配准

异源图像配准中,由于图像的成像机理差异,图像像素强度关联和旋转畸变是不可避免的两大问题,针对图像像素强度关联问题,提出了基于辐射不变特征变换（radiation-variation insensitive feature transform,RIFT）的图像配准算法,对图像间像素关联差异小的图像对配准有良好的精度,但对旋转畸变图像会产生较多错误匹配。对于旋转畸变问题,传统的ORB（oriented fast and rotated brief）算法,对旋转图像的配准有一定的稳定性,但对于强度变化不明显的图像对,特征点检测质量较低,配准精度不理想。因此本文将相位一致性（phase consistency,PC）融合进ORB算法,利用相位信息代替传统的图像强度信息,再构造旋转不变性BRIEF特征描述子,对图像像素强度变化和旋转畸变均具有鲁棒性。用图像像素强度关联不明显的红外图像和可见光图像进行配准实验,本文算法针对不同旋转幅度的图像的配准精度较高,RMSE稳定在1.7~2.1,优于RIFT算法,在特征点检测数量、配准精度和效率等性能上均有良好性能。     

多传感器图像的二次匹配算法

针对光学图像的多光谱、多传感器图像的自动配准,提出了一种基于边缘重心的多传感器图像二次匹配算法.首先,通过边缘检测和相应的后期链接处理,提取出较为完整的图像边缘;然后,根据图像边缘的链码相关以及区域不变矩策略,寻找匹配边缘,并对已匹配边缘的重心进行一致性检验获得控制点对;最后,采用最小二乘法估计图像粗匹配变换参数.在粗匹配的基础上,根据匹配后图像共有区域内边缘的主要方向和重心,再次对图像进行细匹配,修正匹配参数以提高匹配精度.多种遥感图像数据的配准实验和对比试验证实了该自动算法具有较高的可靠性和配准精度.     

基于最大化对齐度的多模态图像自动配准

该文讨论图像配准的广义定义并提出一种新的图像配准准则对齐度。对齐度能够正确地反映两幅不同灰度属性的图像是否配准,并且将图像配准归结为对齐度的最大化。新准则可以用来配准多模态图像包括灰度属性差异很大的图像。该文应用多分辨率方法和Powell方向族搜索法来最大化对齐度。因此,用该方法可以自动地处理图像配准问题,不需要定义地标点或特征点。多模态医学图像和遥感图像的自动配准的例子说明了该文方法的有效性。     

基于Hession优化梯度滤波的全局航拍视频配准

提出一种基于优化梯度滤波的全局航拍视频配准算法。该方法首先提出一种基于优化梯度滤波的Hession检测器,以实现特征点的精确定位,同时,为了保证在不同摄像机焦距下获得相同的特征点,保留3个分辨率下具有恒定不变的特征点。然后利用最小生成树方法对待配准点进行初始匹配。一致特征点建立后,通过利用非线性最小二乘(NLLS)和随机采样一致性(RANSAC)算法选取具有全局最小误差的变换参数对视频帧间实现配准。实验结果表明,通过利用优化梯度滤波和全局最优模型估计可实现帧间的精确配准,对不同动态场景和光照变换具有较强的适应性。     

基于节点拓扑一致性的2D/3D冠脉血管非刚性配准

目前,冠状动脉介入手术主要采用传统冠脉成像CCA加冠脉CT成像CCTA辅助的方式.但是,CCTA下的3D图像获取的是某一时刻的静态图像,在心跳和呼吸作用下,CCA下动态2D图像和CCTA下静态3D图像的血管可能并不处于同一位置,彼此之间会具有很大的形态及位置差异.本文在2D和3D中心线基础上,利用血管曲线特征对2种维度的血管进行粗糙和精细两级配准操作.在粗糙配准中,通过考虑节点间的拓扑关系一致性取消以往算法的双向一对一的对齐约束,对血管间的分支点进行多对多对齐配准.在精细配准中,基于节点对齐的配对血管段间采用伸缩特性的DTW技术进行像素间配准.实验结果表明研究提出的方法具有良好的效果.