一种非刚性医学图像点配准方法

非刚性图像配准问题已成为医学图像分析中一个非常具有挑战性的问题。基于薄板样条的方法,以薄板样条（TPS）为形变模型,引入实匹配矩阵,把薄板样条参数表示成仿射分量和非仿射分量,并分别进行求解。与其他非刚性配准算法相比,该算法能有效的处理冗余点,抗噪能力较强。实验结果表明,该方法在非刚性配准中具有较好的鲁棒性。     

基于邻域结构和驱动力准则的非刚性点集配准

非刚性点集配准的关键是找到点集之间的正确对应关系。传统点集配准方法通常将特征点的全局空间距离作为判别准则，而未考虑点集的邻域结构信息，容易产生误匹配，为此，文中提出了一种基于邻域结构和驱动力的非刚性点集配准算法。首先，在一致性点漂移(CPD)算法的基础上，提出了一种局部距离计算方法，并将其与空间距离相结合，有助于提高匹配精度；此外，对传统形状上下文方法进行了改进，构建了一种新的驱动力准则，以在初始配准过程中提高搜索速度，在后期减小配准误差；最后，采用期望最大化(EM)算法迭代求解各点对的对应关系。在常用国际点集数据集上的仿真实验结果表明，在非刚性变形、噪声、异常点和遮挡等情况下，文中算法比经典算法具有更高的鲁棒性，匹配准确率也更高，并且对真实图像可以获得比较理想的配准效果。     

基于混合优化算法的医学图像配准技术

在图像配准的优化算法中, 为避免使算法陷入局部最优的问题。 因此, 提出基于最大互信息和混合优化算法的医学图像配准算法, 利用模拟退火算法思想改进粒子群优化算法, 提高了全局寻优的能力, 能更好地跳出局部最优。 由实验结果可知, 该方法不仅具有较好的图像配准精度, 对椒盐噪声和高斯噪声也有较好的鲁棒性。     

一种医学图像弹性配准方法

针对肝脏和肺部器官在图像配准中特征获取准确度有限性,本文提出了一种机器和人工结合提取特征点的医学图像非刚性配准方法。依据器官中血管形状形成的树状图,使用联合图算法对树状图初步配准后自动提取出特征点,与手工选择的具有解剖意义的点共同构成特征点集。以两幅图像间的互信息作为图像配准测度函数。以确定性退火算法迭代求解最优化配准变换函数。实验证明,该算法能匹配图像的整体结构信息和图像中感兴趣的生理解剖位置,具有很强的鲁棒性。     

基于互信息和混合优化算法的多模医学图像配准

针对互信息函数的多极值问题,提出了一种基于混合优化算法的多模医学图像配准方法.对于多模医学图像,以互信息作为相似性测度,使用混合优化算法搜索出最佳配准变换参数,将待配准图像进行变换,从而达到配准的目的.实验表明,该算法能避免陷入局部最优值,配准结果精度达到亚像素级.     

基于医学图像配准方法的研究

本文对医学图像的配准方法进行了研究,分析了刚性配准和非刚性配准方法的主要区别和适用范围,并分别对图像进行了两种方法的配准。     

基于局部特征射影变换的组织切片图像非刚性配准

针对组织切片图像配准问题,研究一种以局部特征射影变换配准方法为基础的全局非刚性配准方法以获得更好的匹配效果。首先采用空域增强与频域增强结合的方法对图像进行预处理,随后应用匹配滤波突出组织四周的轮廓特征,之后提取处理后的图像的SIFT特征并进行初步的匹配,根据匹配的特征点的坐标通过RANSAC方法计算两幅图像之间的射影变换矩阵参数并进一步剔除离群点,该矩阵可用于全局配准,之后同样根据RANSAC方法提取出的特征点采用K近邻方法对图像进行区域划分,针对不同局部区域单独求解射影变换矩阵,并与全局配准矩阵进行比较筛选得到组织切片全局非刚性配准模型。实验结果表明对于不同的组织切片图像,局部射影变换配准的方法基本都可以提高配准的准确率,但对于局部变形较小的图像对,局部射影配准对配准精度的提高有限。     

基于注意力机制无监督心脏超声序列图像配准

针对基于传统非刚性医学图像配准的心脏超声序列图像配准方法缺乏自动性及配准速度慢、准确率较低的问题,将基于深度学习的医学图像配准算法应用于心脏超声序列图像配准,通过引入通道注意力机制,构建由注意力机制模块、 Unet卷积神经网络模块及空间转换模块STN构成的配准模型.实验选取不同的相似性损失函数和平滑损失函数,对比VoxelMorph配准模型,相关配准性能指标都有不同程度的改进,DICE指标提升0.42%, MI指标提升2.5%, SSIM提升3.7%, NRMSE减小9%,表明配准模型的有效性.从配准效果及配准时间分析,配准模型基本可以满足心脏超声序列图像配准的实时性需求,具有一定的临床应用价值.     

基于改进型互信息的遥感图像配准方法

互信息作为图像配准的相似性测度函数,同等程度地包含了待配准图像重叠区域中感兴趣信息和冗余信息。本文将图像中感兴趣区域的互信息引入到图像相似性测度函数中,给出一种互信息和感兴趣区域互信息相结合的新的图像配准相似性测度函数,再基于该测度函数实现对遥感图像的配准。实验结果表明本文算法在提高配准精度上的有效性。     

改进模拟退火算法在图像配准中的研究

为了实现图像的配准，提卅了使用模拟退火算法求解2幅图像的最佳匹配参数，然后对待配准图像进行变换，从而达到配准目的．实验表明，该方法对平移、旋转的2幅图像具有较高的配准精度和初值鲁棒性，其中的改进算法，即单纯形一模拟退火算法可以使优化解不陷入局部极值而获得全局优化解，具有更高的配准精度，同时也大大提高了运算效率．     

基于空间结构约束的改进迭代最近点影像配准

提出了一种改进的基于空间结构约束的迭代最近点(ICP)影像配准方法.该方法通过结合特征点的空间结构相似性和特征相似性获得特征点的匹配矩阵,其中特征相似性通过特征点的局部特征描述算子进行计算,空间相似性则通过特征点的空间位置进行计算.特征点之间的空间结构相似性不仅包括了对应特征点之间的空间距离,还包含了特征点到邻近特征点的空间距离.在匹配过程中,分别从参考影像和待配准影像的角度出发,实现了匹配的对称性处理.通过对具有不同影像特征的真实遥感影像进行实验,结果表明该算法具有较高的配准精度.     

一种基于特征点的图像匹配算法

本文提出一种图像特征点匹配算法，并在该算法的基础上形成构建全景图的图像拼接算法．此算法采用Harris角检测算子进行特征点提取，并为其分配特征描述符．在进行相邻图片的特征比对时，提出一种基于小波系数的特征索引算法，提高搜索效率．运用稳健的RANSAC算法将伪匹配点集合划分成为内点与外点，在内点域中精确计算图像之间的变换关系．算法的重要特点为：基于小波系数的特征索引，可以使不同图像之间匹配特征点的搜索效率显著提高．实验结果表明：该算法得到的匹配点精确，受图像的形变、噪声影响较小；图像拼接处理的效果较好，具有较高的实用价值．     

基于投票策略的特征点提取

特征点提取算法中存在伪角点和定位不准确的问题,导致特征点匹配率低,并且影响图像配准精度和速度.针对这一问题,提出基于投票策略的特征点提取算法.算法通过选举人投票选举出最强特征性点集,有效去除伪角点.点集中的特征点满足多重准则,特征性强度高.依据坐标选举,保证了特征点定位的准确性.在发生相似变换、亮度变化和加噪的情况下对大量图像进行了特征点提取和匹配实验,并与传统的特征点提取方法进行比较.实验结果表明,该算法提取的特征点具有更好的有效性,算法具有较强的适应性和抗噪性.     

基于一致性随机采样的图像特征匹配鲁棒确认

误匹配点的存在影响了计算图像问变换关系的准确性,从而导致较差的图像匹配效果.通过随机采样一致性算法,提出了一种剔除错误匹配,精确确认图像匹配特征,从而计算图像间几何变换矩阵的鲁棒方法.该方法首先基于特征向量相似性准则,得到初始匹配点对,再利用特征点周围的灰度信息进行权值计算,在用随机采样一致性算法拟合几何变换矩阵的迭代过程中,得到使目标函数最小的匹配关系以筛选由噪声等引起的误匹配点对,从而精确计算图像间的几何变换关系矩阵,实现图像的精确配准.实验结果表明,该算法具有良好的噪声鲁棒性,得到了理想的图像配准效果.     

一种图像拼接的点特征匹配算法

为了解决旋转图像间的点特征匹配问题,提出了一种以空间位置分布关系为搜索依据的新的匹配算法.首先将已检测到的特征点生成三角形,随后利用相似三角形配对获取图像间的仿射变换关系,并根据这种空间位置分布关系进行进一步的对应点搜索,最后利用MLESAC算法进行对应点筛选,得到内点以及外点.用活动摄像机采集图像进行实验,首先验证了对于旋转图像点特征搜索的有效性,接下来又验证了图像间是平移关系但存在重影的点特征搜索,结果表明该方法能有效地对旋转和平移图像进行点特征匹配.     

基于曲率图的三维点云数据配准

以曲率图作为三维点云数据的特征描述函数,并运用曲率图实现了三维点云数据的配准.对于含有噪声的点云数据,先根据每个点的邻域特性估算其曲率值,然后根据每个点及其周围邻域点的曲率值构造该点的曲率图.通过在多比例空间下曲率图的特征保持分析,可提取到最能反映该点云数据特征的特征点集.对于两两配准,这些特征点集被用于三维点云数据的粗略配准算法中,该算法利用点云内部空间点相对位置在刚性变换下的不变特性实现了特征点对的匹配,由匹配的特征点对进行坐标变换求解,完成了两三维点云的粗略配准,然后运用迭代最近点算法进行精确配准.最后将整个配准算法应用于真实的三维点云数据,结果表明该算法能有效抑制点云采样密度及噪声的影响,能够快速实现点云数据的精确配准.     

基于粒子群优化算法的多模态医学图像刚性配准

提出了一种基于轮廓特征点及利用PSO(粒子群优化)求解多模态医学图像自动配准新方法．首先采用数学形态学中腐蚀和膨胀算法对图像进行预处理,用区域生长法提取图像的边缘;再用subtractive聚类算法提取出轮廓特征点,将两个特征点集的均方根极小值作为配准准则,然后用PSO算法求解空间变换参数．该算法适用于多模态医学图像配准,与其他算法相比,PSO算法具有操作方便、可靠性好、不易陷入局部极值等优点。     

空间点集配准算法研究

研究不同坐标系下空间点集的配准算法.所提出的算法分为粗配准和精配准两个阶段.粗配准是利用主成分分析方法对每个点集计算其3个主轴.然后通过空间变换将两个点集的主轴一一对应,使得两个点集大致对齐.精配准利用改进后的最近点迭代方法对两个点集进行局部优化,最终达到初始方向相差较大的两组点集在同一坐标系下的精确配准.模型实验验证了该方法的有效性和精度.实验结果表明,算法通过粗配准有效地将两组点集的主轴对齐,同时,精配准对粗配准的结果进一步优化,使得初始方向相差较大的点集间实现精确配准,提高了配准的精度.     

基于随机轮廓匹配的快速图像配准算法

为了克服确定性图像配准算法计算速度和准确率难以同时兼顾的缺点,提出了一种对部分重叠的图像进行快速配准的方法,该方法是基于轮廓特征的随机匹配算法。通过提取轮廓上的“关键点”作为特征点,随机选择若干特征点对得到候选变换,随后的投票阶段对其变换参数进行检验和求精。实验结果表明:对于典型的应用,该算法比传统确定性匹配算法的速度提高了约一个数量级,能够在线性时间内完成对两幅图像的配准,而且,该方法能够对包含相当比例误报的特征点集进行匹配,具有很强的适应性。