方向相关与互信息加权组合多模图像配准方法

针对可见光与红外图像的配准问题,提出了一种基于边缘方向相关和局部优选区域互信息加权的配准方法。首先进行区域划分,建立区域优选测度,选取信息量丰富的局部区域;在优选区域的基础上,引入了图像的边缘方向信息,构造边缘方向图,以增加全局空间特征;然后,通过综合局部区域灰度信息和全局边缘方向信息,将互相关测度和互信息测度加权集成,构造了一种新的相似测度。实验结果表明,边缘方向相关测度的引入,提高了基于互信息的图像配准的精度,利用局部优选区域代替整幅图像提高了算法的速度。

基于感兴趣区域互信息的多模图像配准方法

针对可见光和红外图像的配准问题,提出了一种改进的基于感兴趣区域梯度互信息的多模图像配准方法。该算法从两个方面做了改进,首先,为了提高算法性能,对图像做了预处理抑制噪声,然后通过对图像进行灰度级降采样操作,合理选择较少的灰度级达到减少计算量的目的;其次,提取图像中复杂度高的区域作为感兴趣区域来代替整幅图像进行配准,这样不仅可以提高像素灰度在互信息计算中的可用性,同时可以提高互信息配准方法的配准效率和精度。实验结果表明,该方法可以有效提取相关性高的区域,提高互信息配准方法的精度和效率。

基于颅脑CT与MRI多模图像融合的3D打印模型制作及应用研究

目的研究基于颅脑CT与MRI图像融合的3D打印技术,制作颅脑三维虚拟模型及实体模型,探讨其在临床工作中的意义。方法利用1例小脑幕脑膜瘤患者颅脑CTA、MRI扫描所得的DICOM数据,CT图像分割重建颅骨、血管、头皮模型,MRI图像分割重建脑组织、肿瘤、脑室系统、头皮模型,以头皮模型为基准进行配准融合,完成复合三维虚拟模型的构建,优化处理后经3D打印技术制作实体模型,并邀请15名神经外科医师对模型进行独立评分。结果制作出高逼真度等比例的颅脑实体模型,问卷调查所有问题的平均分均>4分。结论利用颅脑CT与MRI图像融合及3D打印技术制作的三维虚拟模型及其实体模型,对神经外科医师的疾病认识与手术应用、医患沟通、临床培训等方面有重要意义。

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换(SIFT)特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。

基于人工免疫及最大互信息的胸部多模图像配准

为了实现胸部医学图像的自动配准,提出了一种基于人工免疫及最大互信息的配准方法。首先定义了最优配准的目标函数,接着运用人工免疫算法,结合最大互信息熵函数产生最优的仿射变换系数,从而实现医学图像自动配准。该人工免疫算法中,抗原是指最大互信息熵目标函数,而抗体是指最优的仿射变换系数。实验证明该方法配准效果较好。

基于多模图像融合理论的人眼球及眼眶肿瘤的三维重建与显示(英文)

目的:研究CT和MRI融合技术在眼球及眼眶肿瘤中的应用。方法:对13例眼球及眼眶肿瘤的CT和MRI的二维图像通过特征点配准结合ILCP法(IterativeLocalClosestPoint)进行融合,运用RayTracing法进行三维融合图像的重建。结果:实现了人眼球及眼眶肿瘤CT和MRI三维融合图像的重建与显示,眼球及眼眶肿瘤的CT和MRI信息综合起来作为一个整体成像在同一幅图像上,立体显示了眼部正常与病变组织的三维结构,提供了眼眶的三维立体视觉,使眼眶的结构便于理解。结论:多模图像融合能使临床获取更准确和全面的诊断信息。它能帮助医师制订周密的手术方案,并且对临床教学及加强医患沟通有重要指导意义。

基于变电站多模图像的自动集成配准方法

针对采集的变电站多模图像,提出了一种改进的多模态图像的自动集成配准方法。变电站多模图像的尺寸不同,所以先对其进行小波变换,以变换后得到的两幅概貌图像为待配准图像,以六种配准方法中的每一种作为一个适应度函数。使用遗传算法进行搜索,分别寻找两幅概貌图像的最佳配准位置,再映射回小波变换前的多模图像,最后使用动态可信度进行集成。实验结果证明,该方法能实现不同尺寸的多模态图像的自动配准,速度较快,鲁棒性强,比单一的配准方法准确性高,并且可以不断地修正可信度,具有较强的适应性。

颅内电极定位中的多模图像配准研究

目的:探讨不同配准方法在颅内电极定位中的表现,寻找适合于颅内电极定位的方法。方法:分别利用均方测量和Mattes互信息方法作为代价函数,将患者植入电极后的CT图像与植入电极前的MRI图像进行配准,对比两种方法的表现。结果:两种方法均能较为准确地定位旋转中心的位置。在同一CT和MRI体数据对中,不同断层图像对进行配准时旋转角度的波动较大;而不同断层配准图像的平均旋转角度与人工配准的结果大致接近。结论:不同断层图像对配准结果的平均值可作为整个CT和MRI体数据的配准参数使用,并得到相对良好的匹配结果。

基于模型互更新的多模图像融合跟踪算法

针对复杂环境下引起的目标失跟问题,提出了一种基于模型互更新的可见光与红外图像融合跟踪算法。基于把视觉跟踪问题视为"中心-周围"分类的思想,首先从可见光与红外图像中分别提取目标及周围像素点的特征,然后采用Boosting算法训练得到跟踪模型。基于分类结果计算像素点的置信度,采用决策级融合方法得到似然图像,通过均值漂移算法估计目标位置。最后在Co-Training框架下结合目标跟踪结果进行模型的互更新。实验结果表明,该算法提高了跟踪的鲁棒性,有效利用了多模图像的信息。

基于最大互信息的人脑多模图像快速配准算法

对脑图谱开发过程中来源于不同成像设备的多模图像进行配准。对预处理后的数码图像和MRI图像,首先提取图像的轮廓,采用基于轮廓的力矩主轴法计算初始平移量和旋转量,然后设定初始缩放系数,将此初始配准参数作为改进单纯形法的初始参数,以互信息作为相似性测度迭代搜索,使互信息最大,从而实现最佳配准。结果表明本算法不需要人为预调整待配准图像的分辨率,自动化程度高,配准速度快,精度较高,能够满足脑图谱开发过程中的多模图像配准要求。

一种空间结构描述算子在多模图像配准中的应用

提出了一种用于表征图像的空间结构描述算子。通过此描述算子,可以将多模图像配准问题简化成单模图像配准问题,从而方便了整个配准的过程。首先,为了探究图像的结构信息,在计量坐标系(gauge coordinate system)下提取了大量的图像几何结构特征。同时,为了引入图像的空间信息,将当前像素附近的邻域像素也考虑其中。然后,依赖于一种改进的主成分分析方法,从大量的有关于图像的结构和空间信息之中,挑选出了最具代表性的信息用于构建与原图大小相同的空间结构描述算子。实验证明,与很多其他的优秀的相似度评价方法相比,基于该描述算子的绝对差值和SAD(sum of absolute difference)方法能更高效地、更稳定地匹配多模图像对。

基于光纤传感器的视频图像几何失真校正方法

视频图像在传播过程中会出现信息畸变,致使图像几何失真,为此提出基于光纤传感器的视频图像几何失真校正方法。分析视频图像像素节点在光敏区域分布情况,提取亚像素视差信息,通过面阵CCD图像传感器获取畸变视频图像;利用畸变曲线近似模型计算出视频图像畸变率,确定畸变图像坐标,并结合双线性灰度插值算法推导校正参数,实现视频图像的几何失真校正。实验结果表明,所提方法能够有效校正不同种类的视频图像几何畸变,校正后的图像与原图像相似度高超过0.97,图像边缘模糊程度降低,提高了图像的视觉观测效果。

基于数据挖掘的多模医学图像连续形变识别

为了提升病变区域识别精度,得出有效的医学图像信息,提出基于数据挖掘的多模医学图像连续形变识别方法。通过直方图修正检测图像灰度值,利用均衡化将像素均匀分布在各个区间,突出影像中重点灰度范围,通过灰度共生矩阵明确目标像素灰度和位置参数;根据数据库事务集合,将图像分成不同标识区域;在信息增益率中加入分裂信息,分割挖掘出对应形变区域;考虑到相邻图像帧会产生时间差,在不发生粘连和分离的前提下迭代更新,完成医学图像的连续形变区域识别。仿真中以胃镜影像作为实验样本,证明所提算法能够精准识别存在形变的区域,清晰划分出形变区域。

基于自适应自由变形法和梯度下降法的胸部多模医学图像配准

为了实现胸部多模态医学图像的自动配准,提出了一种基于层次B样条自适应自由变形法和梯度下降法的配准方法。首先采用GVF Snake与Canny算子实现边缘提取,并自动配对特征点;接着,采用矩主轴法对多模医学图像进行全局粗配准;最后,基于层次B样条自适应自由变形法对多模态医学图像进行自动细配准,并且采用梯度下降法以及最大信息熵准则加速求自由变形系数。实验证明该方法不仅效率高,而且配准效果好。

多模图像交叉双域滤波算法

目的为解决目前多模图像时域联合滤波算法对图像细节信息保持较差的问题,提出一种多模图像交叉双域滤波算法。方法在时域中使用交叉双边带滤波,通过多模图像边界上的信息互补保持边缘信息,然后对图像残量使用小波收缩算法恢复细节信息并叠加到时域滤波结果中。在此基础上构造时域和频域交替迭代并通过逐步递减缩小滤波核的范围获得最终滤波结果。结果通过对多模医学图像和自然多模图像进行测试,相比目前联合滤波算法和单模双域算法,本文算法在峰值信噪比(PSNR)和视觉上都有较明显提高。结论算法能够有效利用多模图像之间的互补信息,同时通过迭代有效抑制振铃负效应,将时域滤波及频率滤波的优势进行结合,使得滤波结果在保持高对比边缘的同时对图像细节也进行了较好的保留。并且该算法适用于所有含噪多模图像。

胸部多模医学图像快速配准

为了实现胸部多模态医学图像的自动配准,提出了一种基于层次B样条自适应自由变形的快速配准方法。首先采用C-V水平集方法实现感兴趣区域的提取,并基于并行计算实现自动配对特征点;接着,采用矩主轴法对多模医学图像进行全局粗配准;最后,基于层次B样条自适应自由变形法对多模态医学图像进行自动细配准,并且采用梯度下降法以及最大信息熵准则加速求自由变形系数。实验证明该方法不仅效率高,而且配准效果好。

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。

多模医学图像配准中智能优化算法的应用研究

多模图像配准一直是医学图像处理领域研究的热点,而智能优化算法是影响配准算法性能的一个关键因素,很少有学者对常用智能优化算法的特性进行深入的分析。文章以二维CT和PET图像为数据源,互信息为测度函数,分别对禁忌搜索、模拟退火、遗传、进化规划、粒子群以及蚁群等六种智能优化算法进行了实验,具体从配准误差、算法耗时和收敛速度对优化算法的性能进行定量评估,并综合评价它们的优缺点。实验结果表明:文章研究对多模医学图像配准中的优化算法的选择具有较好的参考价值。

Clifford代数空间上的三维多模医学图像配准

3D/3D医学图像的配准在临床上具有重要的临床意义与医学价值,尤其在脑外科手术导航与病灶点定位上,病人的不同模态影像数据需要3D配准,便于更加全面、精确的分析目标组织的医学特性。本文在研究经典配准方法的基础上,将经典配准方法内嵌于Clifford代数计算空间,在Clifford代数空间上构建配准过程计算的几何要素与配准操作的平移算子、几何旋转算子,浮动图像进行对应的算子运算,实现头颅部3D多模医学图像配准。配准方法应用于国际上两个著名3D医学数据库,实验结果表明:本文方法不仅继承经典配准算法的优点,而且配准精度高,几何意义直观,计算时间短。