图像配准技术研究

图像配准技术是图像拼接技术最关键的步骤,图像配准的好坏直接决定了图像拼接结果的优劣。对图像配准工作进行了总结,介绍了基于区域的图像配准和基于特征的图像配准方法,并分析了各个方法的优缺点,同时指出了现有图像配准算法存在的问题和发展的方向。     

基于特征分类的MRI医学图像弹性配准

基于互信息的弹性图像配准是医学图像配准的重要方法之一。然而由于互信息在小样本图像配准中,会出现多局部极值和极值偏离问题,从而容易出现配准误差,进而造成整图的弹性配准误差。为减少这种配准误差,提出了一种基于特征分类的互信息医学图像弹性配准方法。该方法先采用图像的灰度和梯度特征训练自组织映射(self-organized mapping,SOM)神经网络特征分类器,将图像由高维灰度空间映射到低维特征类别空间;然后,在特征类别空间进行互信息图像弹性配准。实验结果表明,该方法大大提高了小样本图像配准的成功率,并可通用于有噪和无噪的医学图像弹性配准中。     

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。     

医学图像配准算法研究

研究图像配准精度优化问题,医学图像由多种图像结合,利用图像各自的特点进行融合.图像配准技术一直被广泛应用在医学图像和遥感图像领域中,针对传统的图像配准算法效率和精度较低等不足,为了提高医学图像配准的准确度,提出了一种将改进的最大熵算法并应用到图像配准的优化过程中,算法首先将输入的待配准图像进行灰度处理,对灰度值进行初始化,然后采用遗传算法的选择、交叉和变异操作对图像进行平滑,并选择最优值,最后采用最大熵算法对图像进行配准选择,算法有效克服了传统遗传算法容易陷入局部最优的缺点.仿真结果表明了改进的算法有效的提高J图像配准的精确度,验证了改进算法是有效的图像配准方法.     

基于双通道级联注意力网络的医学图像配准

为提高卷积神经网络在医学图像上的配准性能,提出一种双通道级联注意力网络用于医学图像配准.针对浮动图像和固定图像,用两个卷积神经网络对配准场进行估计;用配准场级联策略提高配准场变形估计性能;在配准场估计过程中引入注意力机制用于自动学习和优化注意力特征并分配特征权重,进一步加强特征表达能力,提高配准性能.通过对脑部图像和肺部图像的配准实验分析,验证了该方法的有效性和准确性.     

医学图像配准的优化算法改进研究

在医学图像配准优化算法中通常采用Powell法,由于基本Powell法随迭代次数的增加,搜索方向容易趋于线性相关,为此提出了一种改进的Powell法,该算法随着迭代的增加,搜索方向的共轭程度逐渐增强可避免线性相关.将边缘检测与最大互信息相结合,提高原有算法的性能,较准确地完成图像配准任务.对提出的配准算法进行了Matlab仿真实验并对仿真结果做了分析.     

互信息医学图像配准的实时性研究

基于互信息的医学图像配准是一种高精稳健的自动配准算法,可以达到亚像素级精度且无需提取解剖特征而倍受重视,但其最大问题是速度慢,致使其不能满足临床的实时需求。在分析影响其速度因素的基础上提出一套加速方案,即采用快速粗配准来缩小互信息的搜索范围、利用非等间隔的灰度压缩来加快互信息的计算、通过混合遗传算法和单纯形算法来加快互信息的搜索。实验表明,改进后的算法在保证配准精度的前提下能显著提高配准速度。     

医学图像配准技术研究进展

医学图像配准是近年来医学图像处理领域的重要研究课题。对目前深入研究的各种配准方法（空间变换、互信息、物理模型）,从其原理、优点、发展及改进方面做了详细论述,最后,对医学图像配准的发展趋势进行了展望。     

视差图像配准技术研究综述

传统图像配准技术受限于严苛的初始输入已难以满足人们的需求,近年来,视差图像的配准逐渐成为图像拼接技术中的研究热点。基于视差形成原理介绍了视差图像配准的难点与一般流程。主要研究了基于特征的视差图像配准技术,对近年来视差图像配准的研究成果进行了归纳梳理,并从基于多平面对齐的图像配准、基于网格变形的图像配准以及缝合线驱动的图像配准三个方面进行阐述。通过对各种典型的视差图像配准算法的算法思想、特点以及局限性进行描述和比较,提供该领域研究现状的系统综述,并对视差图像配准技术的研究趋势进行了展望。     

基于遗传算法的互信息医学图像配准

本文首先介绍了医学图像配准的基本概念及方法流程;然后介绍了基于遗传算法寻优的图像配准,其适应度函数为两配准图像的互信息;最后通过基于遗传算法的脑部二维图像配准实验说明该算法的高效性.     

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。     

基于小波不变矩的医学图像配准技术研究

图像配准是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程,是图像融合、目标探测识别和计算机视觉等技术的重要基础,主要用于消除来自不同传感器的图像中目标的位置差异.提出了一种新图像匹配算法,新算法以提升格式小波变换为基础,利用图像多级小波分解后近似分量的轮廓相似性进行图像的快速配准.实验结果表明,新方法高效精确.     

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。     

基于改进的弹簧质子模型的医学图像配准

提出基于改进的弹簧质子模型的图像配准算法.通过将基于模板图像、源图像的SDD测度关于质子偏离场的Gateaux导定义为模型外力,将图像配准问题转换成力学平衡问题.针对模型演化过程中出现的网格重叠问题(即不拓扑保形),提出通过实时修改质子运动速度,而不是添加力的方法,保证模型演变具备拓扑保形性;为提高模型收敛速度,进一步将分层策略应用于模型演化过程中.若干的实验结果说明作者的工作是有意义的.     

采用混合编程的医学图像配准

在确保低误配率的前提下,如何提高医学图像配准的精度与效率,是一项值得研究的重要课题。为了满足临床需要,提出一种混合编程的配准策略,即通过质心提取技术和小波分解图像的细节增强技术相结合的方式进行预配准,并在这个基础上基于图像的灰度信息,利用Powell优化算法和传统的基于最大互信息的相似性测度方法进行细配准,从而得到配准结果。另外,对Powell算法的一维搜索方式提出了有别于传统Brent算法的改进,使之在保证精度与效率的前提下更适用于图像配准。实验证明,提出的配准策略能很好地避免误配准,配准精度达到了亚像素级,配准的效率也符合临床需求。     

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。     

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。     

一种混杂的图像配准方法

提出一种基于特征和亮度的混杂图像配准方法．首先对源图像进行小波分解,在小波金字塔最顶层的低频近似子图像上进行角点检测,通过仿射变换模型得到初始配准参数,然后将这一参数逐层进行迭代精炼,直至达到金字塔最底层,得到最终精确的配准参数．将这些不同配准方法结合起来,可以克服单独使用任一方法存在的不足,理论分析和实验结果表明,这种混杂图像配准算法精度较高．     

基于Hausdorff距离图象配准方法研究

图象配准是图象融合的一个重要步骤，为此提出了一种自动图象配准算法，该算法从两幅待配准的图象中分别抽取特征点，然后选用Hausdorff距离对两特征点集进行匹配，得到点集间的仿射变换，从而实现图象的自动配准，此算法以特征点而不是物体边缘计算仿射变换，大大降低了计算Hausdorff距离的运算量；同时，基于Hausdorff距离的图象匹配只需要点集之间的对应，而无须点与点的对应，因而可以使用于存在较大物体形变的情况，即完成两幅差异较大图象的配准，实验结果证明了算法的有效性。