基于局部特征描述的多模态视网膜图像配准*

提出了一种基于局部特征描述的多模态视网膜图像配准方法,该方法采用圆环结构划分关键点周围区域,通过局部梯度方向直方图构造特征描述子,并对所提取的特征向量进行规范化。实验证明,该算法在多模态视网膜数据集上提高了配准的成功率,相比于经典算法提高了算法的速度和鲁棒性。     

基于QPSO的多模态医学图像配准研究

本文提出一种基于QPSO的形态金字塔多模态医学图像配准算法,该方法以梯度互信息作为相似性度量标准,运用全局仿射变换建立数学模型,充分利用形态金字塔的非线性、多分辨率等特性将图像进行分层处理,并且利用QPSO和Powell算法结合逐层获取参数解。实验结果表明在任意初始值的情况下,基于QPSO的寻优算法比Levenberg-Marquardt寻优算法运行速度快,并且配准精度更高。     

利用高维互信息的多模态医学图像配准

互信息相似性测度在多模态医学图像配准中获得了广泛的应用,然而其不足之处在于没用充分利用图像固有的空间信息。针对这一不足,提出了利用图像邻域信息的高维互信息配准方法。首先用图像像素及其邻域构成高维向量的集合,然后利用基于最近邻的熵估计法来估计集合的高维熵,并采用近似最近邻搜索算法来加快高维熵的计算。实验结果验证了新的相似性测度的有效性。     

具有仿射不变性的视网膜图像配准方法

为解决眼底照相机视角发生变化的视网膜图像的配准问题,提出一种具有仿射不变性的局部特征配准方法.首先通过寻找连通的血管交点对应的最小包围矩形得到仿射不变的各向异性图像结构;然后通过旋转、采样和压缩操作将各向异性的图像结构变为含不同角度因素的各向同性的图像结构;最后使用尺度不变特征变换算法在各向同性的图像结构上提取特征点,并对特征点坐标进行匹配.在包含83组视网膜图像的私有样本集中的实验结果表明,该方法的均方根误差为1.247±0.251像素,能很好地解决视角和尺度变化问题.     

基于轮廓特征匹配的数字人多模态图像配准

医学多模图像配准技术是实现非同源图像的信息融合的前提条件和关键步骤。数字人断层影像学的3种图像数据(彩色切片数据、CT和MRI数据)本质上都是医学图像。基于多模图像信息互补的思路,通过将数字人的两种源图像(彩色切片和MRI图像)进行统一分辨率、维数和去噪等预处理后,提取有效轮廓信息,计算图像的周长、质心和主轴作为配准参数,利用仿射模型实现数字人多模图像的配准,为信息融合工作提供准确的图像信息,解决了关键的技术难题。由实验结果可以看出,配准算法准确,实现处理速度快,图像特征精确,图像配准的目标已达到。     

基于轮廓特征匹配的数字人多模态图像配准

医学多模图像配准技术是实现非同源图像的信息融合的前提条件和关键步骤。数字人断层影像学的3种图像数据（彩色切片数据、CT和MRI数据）本质上都是医学图像。基于多模图像信息互补的思路，通过将数字人的两种源图像（彩色切片和MRI图像）进行统一分辨率、维数和去噪等预处理后，提取有效轮廓信息，计算图像的周长、质心和主轴作为配准参数，利用仿射模型实现数字人多模图像的配准，为信息融合工作提供准确的图像信息。解决了关键的技术难题。由实验结果可以看出，配准算法准确，实现处理速度快，图像特征精确，图像配准的目标已达到。     

多模态图像配准技术

多模态图像配准近年来成为了图像处理领域的热点与难点；尽管这方面的研究已经有了一些成果，但目前所应用的主要方法仍然存在很多不足；对现有图像配准方法的意义、原理、分类及配准的流程做了详细的介绍，并对各种方法进行了比较，提出了各种配准算法适用范围，对它们各自的性能进行了分析和评价，力求为该领域提出一个较详实的背景材料。     

基于多模态牙科图像的牙体硬组织自动配准

牙科图像由于成像模式、图像质量、不同病人之间存在差异性,导致临床应用中牙体硬组织的精确配准成为难点。针对这些问题,并根据相关研究工作,提出了一种更适用于多模态牙科图像的牙体硬组织自动配准方法。该方法基于改进的ICP算法,对多模态的牙科荧光图像和自然光图像进行分析。首先,根据多模态牙科图像的特点,算法对图像进行了预处理;其次,研究了鲁棒的特征点提取方法,即将牙体硬组织边缘选取为特征点,并同时根据口腔病理学先验知识,提取多模态图像中的病损组织区域,进一步优化了配准点集;最后,利用改进的ICP算法对齿科图像进行了配准,配准过程中对ICP的迭代策略和鲁棒损失函数进行了分析和优化。实验结果表明,该方法能更快速地收敛,且具有更好的鲁棒性和准确性。     

黎曼流形上的多模态医学图像配准

针对传统多模态配准方法忽视图像的结构信息和像素间的空间关系,并假定灰度全局一致的前提。本文提出了一种在黎曼流形上的多模态医学图像配准算法。首先采用线性动态模型捕捉图像的高维空间的非线性结构和局部信息,然后通过参数化动态模型构造出一种李群群元,形成黎曼流形,继而将流形嵌入到高维的再生核希尔伯特空间,再在核空间上学习出相似性测度。仿真和临床数据实验结果表明本文算法在刚体配准和仿射配准精度上均优于传统互信息方法和基于邻域的相似性测度学习方法。     

利用风格迁移和特征点的多模态图像配准算法

由于多模态遥感图像在光谱成份上存在巨大的差异,传统图像配准算法在该类图像的配准中正确率非常低.针对这一难题,提出了一种利用风格迁移和特征点的图像配准算法.首先,利用卷积神经网络对基准图像的风格特征以及待配准图像的内容特征进行抽取并重新组合,得到一幅与基准图像差异性较小的生成图像;其次,通过图像分割的方法分离出待配准图像...     

改进的基于凸壳仿射不变量的图像识别和配准算法

提出了一种新的基于凸壳和仿射不变量的图像识别和配准的方法。该方法利用从参考图和测试图中得到的特征点提取其凸壳,并计算凸壳的仿射不变特征向量。通过比较参考图和测试图特征向量的一致性,建立它们的仿射变换关系,最后利用凸壳内特征点的匹配来实现识别和配准。该方法的优点是即使目标物体被部分覆盖或者缺损,其图像也能够达到较好的识别和配准效果。     

改进的粒子群算法多模态生物医学图像配准

多模态生物医学图像配准在医疗诊断、治疗方案的制定,以及身体机能的研究等方面起到越来越大的作用。如何将这些多模态信息融合在一起是目前研究的重点,目前,该融合主要基于图像强度信息的配准方法。该类方法通过最大化化图像间的相似度函数达到配准的目的,但配准过程中使用往往会出现参数变化非凸且不光滑的现象,因而,传统的局部最优方法通常不能得到较好的结果。粒子群算法是一种全局寻优算法,但传统的方法中受初始值的选取以及当前全局最优点的影响,易陷入局部最优。本文对其进行改进,使得即使在初始值离准确值较远时也能得到全局最优,并将该方法用于多模态医学图像配准中,得到了较好的结果。     

局部相位相关用于图像亚像素级配准技术研究

提出了一种基于局部相位相关的高效和鲁棒的亚像素级图像配准方法。通过传统的相位相关算法估计出初始平移参数后,在初始位置的引导下对互相关功率谱进行上采样矩阵Fourier变换,实现了图像局部相位相关,得到图像间亚像素级平移参数。实验结果表明,算法配准精度较高,且对随机噪声和光照变化具有较强的鲁棒性。     

区域和局部信息结合的双向医学图像配准

提出了一种新的基于区域互信息和局部频率信息结合的双向图像配准测度。首先,以原参考图像为参考,计算出正向变换下图像的区域互信息和Gabor滤波后的得到局部频率 信息;同时,以输入图像为参考图像,计算出逆变换下的逆向互信息和局部频率信息。将正向与逆向变换下的互信息和局部频率信息各自相乘后求和,减去两幅图像对应的配准残 量,得到双向图像配准度量,用于对输入图像进行配准。仿真实验结果在验证分析结果的同时也表明,方法对图像噪声、分辨率等具有较高的鲁棒性,可有效提高配准的精度。     

基于互信息的N维多模医学图像配准

目前多模医学图像配准都定位在两幅图像配准的研究,很少涉及N维(3维及3维以上)图像的配准.当用扩展的N维互信息测度(E-NMIM)进行多个图像配准时,不能保证互信息(MI)值的非负性,并且运算速度慢,达不到临床要求.本文提出一种新的N维互信息测度(N-NMIM),不仅保证了MI值的非负性,而且在[1,2]有界范围内,也提高了配准的速度.通过腰椎部位的CT,T1加权的MRI和T2加权的MRI图像进行实验,验证了这种配准方法的有效性.     

利用局部区域约束的医学图像弹性配准

根据人体不同器官具有不同的弹性这一特点构造了一种基于局部区域约束的图像配准算法。首先抽取骨骼边缘上的点作为标志点,利用软对应匹配算法计算出每一个骨骼与其对应骨骼的刚性变换;然后通过薄板样条插值得出整幅图像的变形场;由于同一器官的位移大小相近,将这一区域的均值作为区域内每一点的位移量;将更新后的初始位移场代入到基于B样条的自由形变模型中,得到新的位移场;以Bhattacharyya距离为目标函数,一直迭代下去直到目标函数值达到最优。通过对临床数据的实验表明该方法能够满足临床医生的要求。     

一种改进的非刚性医学图像配准算法

非刚性医学图像配准是医学影像处理和应用中重要的研究课题.对传统的基于局部仿射变换的非刚性图像配准模型进行了改进,结合图像的区域灰度信息和切比雪夫低通滤波器幅度特性提出了一种新颖的非刚性医学图像配准算法.该算法采用自适应的局部非线性正则项,比传统算法更好地保持了图像的局部细节和边缘信息,通过结合多分辨率分层细化以及由粗到细的变形技术求解策略,很好地解决了传统配准模型无法对大变形单模态图像或者存在灰度差异的多模态图像之间进行配准的问题.实验证明,该模型和算法可以很好地实现对医学图像的非刚性配准.     

基于局部特征的遥感图像快速自动配准

针对图像处理领域中遥感图像的配准问题,提出一种基于图像局部特征的快速、自动配准方法。该方法选取具有良好尺度、旋转不变性以及精确特征点定位能力的SIFT局部特征,使用其特征向量间的欧氏距离作为相似性度量进行特征点匹配,并依据仿射变换误差准则去除奇异匹配特征点对,采用仿射变换的几何模型,实现了遥感图像的快速自动配准。实验结果表明,方法是高效、精确以及稳定的。     

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。