基于修正的结构相似度为测度的三维脑图像配准

结构相似度通常用来评估图像质量。当空间位置发生改变时,图像间的结构相似度也会随之发生变化,近年已用作单模态图像配准测度。对其进行适当修改,提出一种新的基于像素灰度的配准测度——修正的结构相似度函数(MSSIM),并且应用于不同分辨率MR/CT及MR/PET三维临床脑图像(由Vanderbilt大学提供)配准中,算法首先做质心对齐,然后利用Powell算法"由粗到精"对下采样图像配准,再由8点法评估配准质量。结果显示,此测度函数具有良好的配准性能,能够完全自动地达到亚像素级配准精度,鲁棒性较高,但运算速度也较慢。

基于中心对称特征耦合仿射度量模型的图像匹配方法

针对当下较多图像匹配算法利用距离度量法来实现特征匹配,没考虑图像仿射变换的影响,使得匹配结果准确率不高的问题,提出了中心对称特征耦合仿射度量模型的图像匹配算法。首先,引入Forstner算子,利用像素点的GS梯度特征提取特征点;然后,利用图像的Haar小波信息与中心对称像素点的灰度值,求取特征向量;接着,利用特征点之间的旋转、平移以及缩放的仿射特征,构造仿射度量模型,利用其计算出匹配的特征点对;最后,采用结构相似度(SSIM)函数,计算匹配点对的结构相似性,对匹配点对去伪求真,以求取最优匹配效果。实验结果表明,与当下匹配方法相比,所提算法不仅能更准确地实现图像匹配,而且还能够更好地适应具有仿射变换关系图像之间的匹配。