word版本hslogic医学图像配准.docx
- 文档编号:259918
- 上传时间:2022-10-08
- 格式:DOCX
- 页数:16
- 大小:638.33KB
word版本hslogic医学图像配准.docx
《word版本hslogic医学图像配准.docx》由会员分享,可在线阅读,更多相关《word版本hslogic医学图像配准.docx(16页珍藏版)》请在冰豆网上搜索。
word版本hslogic医学图像配准
摘要
图像配准(imageregistration)是对同一场景在不同条件下得到的两幅或多幅图像进行对准、叠加的过程。
同一场景的多幅图像会在分辨率、成像模式、灰度属性、位置(平移和旋转)、比例尺度、非线性变形及曝光时间等方面存在很多差异。
概括来说,图像配准问题是以在变换空间中寻找一种特定的最优变换,达到使两幅或多幅图像在某种意义上的匹配为目的。
本文详细论述了这两种常用方法的特点及应用领域,并将基于特征的图像配准方法作为本文的研究重点。
基于特征的图像配准方法是目前图像配准最常用的方法之一,特征提取的准确程度和定位的精确程度将对整个配准过程产生很大的影响。
本文通过对现有的特征提取方法进行分析,完成图像配准。
仿真结果表明该方法在保持配准精度的同时,能够稳定并快速地实现具有平移和旋转的图像的配准问题。
最后,本文讨论了图像配准的一个重要应用领域―医学图像拼接。
通过实验证明,本文提出的方法满足图像处理过程的实时性和准确性。
关键字:
图像配准;特征提取;医学图像拼接;
第一章前言
1.1课题研究背景与意义
图像配准(imageregistration)是对同一场景在不同条件下得到的两幅或多幅图像进行对准、叠加的过程。
同一场景的多幅图像会在分辨率、成像模式、灰度属性、位置(平移和旋转)、比例尺度、非线性变形及曝光时间等方面存在很多差异。
概括来说,图像配准问题是以在变换空间中寻找一种特定的最优变换,达到使两幅或多幅图像在某种意义上的匹配为目的。
图像配准来自于多个领域的实际问题,其应用相当广泛,归纳起来可划分成如下四类:
不同视点的图像配准(多视点分析):
目的在于获取更大范围的二维视角或重构被摄场景的三维信息。
应用实例:
遥感—被摄区域图像镶嵌、计算机视觉—形状恢复;不同时间的图像配准(多时段分析):
目的在于寻找并度量两幅不同时间内拍摄的图像中场景的变化。
应用实例:
遥感—区域规划、计算机视觉——运动跟踪、医学成像—肿瘤病变检测、白天和黑夜的场景以及夏天和冬天的图像特征研究;
不同传感器的图像配准(多模式分析):
目的在于融合不同传感器信息,以获取更为丰富细致的场景信息。
如可见光和红外图像配准、医学成像-CT和MRI、多波段的人脸识别;场景与场景模型图像配准:
场景模型多为场景的数字表示,如地理信息系统(GIS)中的数字高程图等。
配准场景与场景模型的目的在于在场景中定位模型,或在模型中定位场景,或者对场景与模型作相应的比较。
应用实例:
遥感-将航片或卫片与地图或GIS相配准、计算机视觉-匹配模板图像与实时场景、医学成像—将数字解剖图与病人的图片相比照。
根据Brown的总结,图像配准往往看成是以下几种要素的结合:
特征空间:
定义特征集合用于实现图像间的匹配,特征集是从参考图像和待配准图像中提取出来的集合,即从参考图像和输入图像中提取共有的特征,如闭合边界区域、轮廓、边缘、重心、交叉点等;搜索空间:
在参考图像的特征与待配准图像的特征之间建立可能的对应变换关系的集合;搜索策略:
用于选择可以计算的变换模型,使得配准在处理过程中逐步达到精度要求;近似性度量:
评估对从搜索空间中获得的一个给定的变换所定义的待配准数据与参考数据之间的匹配程度,进一步反映配准结果的好坏。
图像配准的每一个步骤都有需要解决和值得研究的难题,研究和讨论整个图像配准算法时,通常会从以上四个方面进行考虑。
1.2国内外研究现状
图像配准是在图像处理的研究中一个很重要的研究方向。
在机器识别的过程中,常需要把不同传感器在不同时间,不同成像条件下对同一景物获取的两幅或是多幅图像在空间中对准,或是根据已知的模式到另一幅图像中找到相应的模式这就需要用到图像配准。
图像配准就是将模板与待检测的图像进行比较匹配,并给出一个描述匹配程度的计算结果。
如果算法的运算结果显示图像中的某一部分与模板相同或是相似大于设定的阈值,则认为匹配成功。
早期的图像配准技术主要用于几何校正后的多波段遥感图像的套准,借助于求互相关函数的极值来实现。
如在遥感图像处理中把不同波段的传感器对同一景物的多光谱图像按像点的性质进行对应套准,然后根据像点的性质进行地物分类如果利用在不同时间对同一地面拍摄的两张照片,经套准后找出其中特征有了变化的点,就可以用来分析图中哪些部分发生了变化。
图像配准研究涉及到许多相关的知识领域,如图像预处理、图像采样、图像分割、特征提取等,并且将计算机视觉、多维信号处理和数值计算等紧密结合在一起。
图像配准技术与图像融合、图像分割等研究方向密切相关,是图像理解和图像复原等领域的研究基础。
根据图像配准中所利用的图像信息的不同,可以将图像配准方法分为三个主要类别:
基于灰度信息的方法、基于变换域的方法和基于特征的方法,其中基于特征的方法又可以根据所选用的特征属性的不同而细分为若干类别。
·基于灰度信息的图像配准方法
本类方法一般不需要对图像进行复杂的预先处理,而是利用图像本身具有的灰度统计信息来度量图像的相似程度。
其主要特点是实现简单,但应用范围较窄,不能直接用于校正图像的非线性形变,在最优变换的搜索过程中往往需要巨大的运算量。
·基于变换域的图像配准方法
最主要的变换域方法就是傅氏变换方法。
该方法利用了傅立叶变换的良好性质,即函数平移,旋转和缩放在频率域都有其对称性。
对于图像的平移,计算两幅图像功率谱的傅立叶变换可得一个脉冲函数,该函数仅在平移量处不为零。
对于旋转,可使用极坐标方式表示,使图像的旋转转化为图像的平移,再用相同的方法计算图像间的旋转角度。
假如图像之间不仅有平移变换还有旋转变换,则我们分两步进行计算:
先计算旋转变换后计算平移变换。
该方法对于小平移量和旋转及缩放的图像配准非常适合。
同时,它具有硬件支持和快速算法,因此计算速度快,同时能克服相关性噪声和依赖频率噪声,可适合多传感器和光源变化采集的图像。
·基于特征的图像配准方法
基于特征的图像配准方法是图像配准方法中的一个大类,这类方法的主要共同之处是首先要对待配准图像进行预处理,也就是特征提取的过程,再利用提取到的特征完成两幅图像特征之间的匹配,通过特征的匹配关系建立图像间的配准映射变换,由于图像中有很多种可以利用的特征,因而产生了多种基于特征的方法。
常用到的图像特征有:
特征点(包括角点、高曲率点等)、直线段、边缘、轮廓、特征结构以及统计特征如矩不变量、重心等等。
1.3图像配准在医学中的应用
医学图像配准和医学图像融合有着密切的关系,特别是对多模态图像而言,配准和融合是密不可分的。
待融合的图像往往来自于不同的成像设备,它们的成像方位、角度和分辨率等因子都是不同的,所以这些图像中相应组织的位置、大小等都有差异,若事先不对融合图像进行空间上的对准,那么融合后的图像豪无意义。
因此,图像配准是图像融合的先决条件,必须先进行配准变换,才能实现准确地融合。
医学图像配准是医学图像处理的一项基本任务,它可以把来自不同模态或不同时间的多幅图像进行配准,然后为图像的后处理提供保证。
如在医学图像融合中,需要将相对应的组织结构融合在一起,而待融合的图像往往来自于不同的成像设备,它们的成像方位、角度和分辨率等因子都是不同的,所以这些图像中相应组织的位置、大小等都有差异,必须先进行配准变换,才能实现准确地融合。
医学图像配准的定义:
同一个人从不同角度、不同位置拍摄的两张照片,由于拍摄条件不同,每张照片只反映某些方面的特征。
要将这两张照片一起分析,就要将其中一张中的人像做移动和旋转,使它与另一幅对齐。
这一对齐过程就是配准过程。
保持不动的图像叫做参考图像,做变换的图像称为浮动图像。
将配准后的图像进行融合就可以得到反映人的全貌的融合图像。
医学图像配准就是寻求两幅图像间的几何变换关系,通过这一几何变换,使其中一幅医学图像(浮动图像F)与另外一幅医学图像(参考图像R)上的对应点达到空间上的一致。
这种一致是指人体上的同一解剖点在两张匹配图像上具有相同的空间位置。
配准的结果应使两幅图像上所有的解剖点,或至少是所有具有诊断意义的点及手术感兴趣的点都达到匹配。
第二章MATLAB简介
2.1MATLAB的概况
MATLAB是矩阵实验室(Matrix Laboratory)之意。
除具备卓越的数值计算能力外,它还提供了专业水平的符号计算、文字处理、可视化建模仿真和实时控制等功能。
在当今30多个数学类科技应用软件中,就软件数学处理的原始内核而言,可分为两大类,一类是数值计算型软件,如MATLAB、Xmath、Gauss等,这类软件长于数值计算,对处理大批数据效率高;另一类是数学分析型软件,Mathematica、Maple等,这类软件以符号计算见长,能给出解析解和任意精确解,其缺点是处理大量数据时效率较低。
MATLAB是矩阵实验室(Matrix Laboratory)的缩写。
MATLAB的基本数据单位是矩阵,它的指令表达式与数学、工程中常用的形式十分相似,故用MATLAB来解算问题要比用C,FORTRAN等语言完成相同的事情简捷得多。
当前流行的MATLAB7.0/Simulink3.0包括拥有数百个内部函数的主包和三十几种工具包(Toolbox),工具包又可以分为功能性工具包和学科工具包,功能工具包用来扩充MATLAB的符号计算,可视化建模仿真,文字处理及实时控制等功能。
学科工具包是专业性比较强的工具包。
控制工具包,信号处理工具包,通信工具包等都属于此类。
开放性使MATLAB广受用户欢迎,除内部函数外,所有MATLAB主包文件和各种工具包都是可读可修改的文件,用户通过对源程序的修改或加入自己编写的程序构造新的专用工具包。
2.2MATLAB产生的历史背景和发展历程
在70年代中期,CleveMoler博士和其同事在美国国家科学基金的资助下开发了调用EISPACK和LINPACK的FORTRAN子程序库。
EISPACK是特征值求解的FOETRAN程序库,LINPACK是解线性方程的程序库。
在当时,这两个程序库代表矩阵运算的最高水平。
到70年代后期,身为美国NewMEXico大学计算机系系主任的CleveMoler,在给学生讲授线性代数课程时,想教学生使用EISPACK和LINPACK程序库,但他发现学生用FORTRAN编写接口程序很费时间,于是他开始自己动手,利用业余时间为学生编写EISPACK和LINPACK的接口程序。
CleveMoler给这个接口程序取名为MATLAB,该名为矩阵(matrix)和实验室(labotatory)两个英文单词的前三个字母的组合。
在以后的数年里,MATLAB在多所大学里作为教学辅助软件使用,并作为面向大众的免费软件广为流传。
1983年春天,CleveMoler到Standford大学讲学,MATLAB深深地吸引了工程师JohnLittle。
JohnLittle敏锐地觉察到MATLAB在工程领域的广阔前景。
同年,他和CleveMoler,SteveBangert一起,用C语言开发了第二代专业版。
这一代的MATLAB语言同时具备了数值计算和数据图示化的功能。
1984年,CleveMoler和JohnLittle成立了MathWorks公司。
正式把MATLAB推向市场,并继续进行MATLAB的研究和开发。
在MATLAB进入市场前,国际上的许多软件包都是直接以FORTRANC语言等编程语言开发的。
这种软件的缺点是使用面窄,接口简陋,程序结构不开放以及没有标准的基库,很难适应各学科的最新发展,因而很难推广。
MATLAB的出现,为各国科学家开发学科软件提供了新的基础。
在MATLAB问世不久的80年代中期,原先控制领域里的一些软件包纷纷被淘汰或在MATLAB上重建。
MathWorks公司1993年推出了MATLAB4.0版,1995年推出4.2C版(forwin3.X)1997年推出5.0版。
1999年推出5.3版。
MATLAB5.X较MATLAB4.X无论是界面还是内容都有长足的进展,其帮助信息采用
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- word 版本 hslogic 医学 图像