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,应用匹配滤波突出组织四周的轮廓特征;其次,提取处理后的图像的尺度不变特征转换(scale-invariant feature transform, SIFT)特征并进行初步的匹配,根据匹配的特征点的坐标通过随机抽样一致(random sample consensus, 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;最后,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。     

一种非刚性医学图像的点配准方法

提出了一种具有鲁棒性的进行非刚性医学图像点配准的新方法。为了更好地处理点配准中的冗余点问题，对冗余点进行了建模，在此基础上对点配准能量函数进行了改进。使用确定性退火优化算法对改进后的能量函数进行最优化从而得到配准的非刚性变换，避免了优化过程中出现的局部极小值解。该方法能有效地处理冗余点。抗噪声能力较强，可以很快地配准带有噪声且有冗余点的非刚性医学图像。使用薄板样条对三维腹部医学图像进行全局弹性配准，实验结果显示配准的精度可以达到亚像素精度。     

基于统计形变模型的多模医学图像非刚性配准方法研究

多模医学图像间可能存在复杂的非刚性形变,矫正这类形变需要采用具有较高自由度的非线性变换模型.直接求解非线性变换的高维参数,不仅会增加配准时间,而且也影响配准精度.为此,本文提出一种基于统计形变模型的配准算法,该算法利用统计形变模型对大量多模图像间的非刚性形变进行统计学习,利用由此建立的模型大幅减少变换模型的参数,达到提高图像配准效率和精度的目的.大量的实验结果表明：与基于传统自由形变模型的配准算法相比,本文提出的基于统计形变模型的配准算法其效率可以提高52%,同时目标配准误差平均减少0.503 2个像素.     

粗细结合的医学图像配准的互信息方法

对医学图像的配准方法进行了研究,提出了一种粗细结合的医学图像配准的互信息方法.该方法首先根据图像特征选择采样间隔对图像进行粗配准,直到采样间隔为0,接着再在小范围内,使用互信息的方法进行细配准,确定最终的配准参数.该方法不仅提高了使用互信息测度进行图像配准的速度,而且与等间隔采样相比,有更好的互信息平滑性能,为进一步寻找最优配准参数提供了方便.理论分析与实验结果表明,该方法对医学图像的处理有很好的效果.     

一种准自动多传感器图像配准方法

针对现有多传感器自动配准方法存在的应用局限性，提出了一种人机交互式粗—精结合的准自动配准方法．先选取少量控制点进行粗匹配，在此基础上利用整体图像信息进行精匹配．该方法将基于特征和基于区域的配准方法进行了有效结合，从而保证了配准的精度和效率，取得了令人满意的效果．此方法可以作为现有的自动配准方法的补充．     

基于模板匹配和光流法的图像配准方法

光流法是一种广泛应用的像素级非刚性图像配准方法。该方法对发生平移、旋转以及放缩变换的图像能够很好地配准,但是光流法在待配准图像比较大且初始位置远离目标位置时,配准速度及位置较差。文章提出了结合模板匹配和光流法的改进算法,首先通过模板匹配算法进行粗定位,再使用光流法进行精确定位。实验表明,该方法大大提高了原算法的配准能力。     

高精度多视频配准算法中静态图像配准算法的选取

在之前的研究中提出了一种高精度的多视频时空配准方法,该方法将Caspi等人提出的多视频配准算法与基于静态图像的配准算法有效地进行了结合.但在结合的同时,如何选取静态图像配准算法是需要考虑的问题.本文对两类主要的静态图像配准方法进行了理论分析与实验比较,提出了在我们的多视频时空配准方法中使用基于特征的静态图像配准算法的思路.实验结果验证了本文思路的合理性.     

基于深度学习的医学图像配准研究进展

图像配准是图像引导手术、图像融合、器官图谱生成、肿瘤和骨骼生长监测等临床任务应用的关键技术,也是一个极具挑战性的问题。近年来,深度学习技术对医学图像处理方法的研究产生重要的影响,在医学图像配准领域发展迅速。对使用深度学习技术实现医学图像配准的研究进行综述,首先按照深度学习模型将医学图像配准方法分为3类,包括监督、弱监督和无监督医学图像配准;然后分别介绍国内外研究进展,并总结这些研究方法的优缺点;在此基础上,阐述常用的深度学习配准框架以及评价标准,并总结常用的开源医学影像数据集;最后对深度学习技术在医学配准图像领域中存在的问题进行分析,展望未来发展的方向。     

一种多传感器遥感图像的配准方法

提出了一种对多传感器遥感图像进行配准的新方法，应用数学形态学的方法提取源图像的结构特征，并在此基础上选择图像相关配准点，利用仿射变换作为变换模型，根据变换参数将输入图像与参数图像进行配准，实验结果表明，此算法可以有效地解决成像差异较大的遥感图像间的配准问题，具有较高的使用价值。     

基于轮廓提取的医学图像配准方法

提出一种基于轮廓提取及循环迭代的估计医学图像间配准参数的方法，并构造了评价函数用于指导循环迭代过程．通过对实际医学图像进行实验，结果表明这种方法不仅适合单模态医学影像的配准，也非常适合多模态医学影像的配准．     

基于互信息非刚性医学图像配准的方法

提出了一种基于互信息的对非刚性三维医学图像进行弹性配准的方法．用２Ｄ联合直方图法计算两幅图像重叠部分的图像灰度之间的互信息,使之最大化,从而实现两图像之间的全局仿射配准．然后将两幅图像的重叠部分均分成互为重叠的体积子块,再最大化每对对应体积子块图像灰度之间的互信息,实现每对对应子块的局部刚体配准,并将每个子块的中心作为一一对应的控制点．利用这些均匀分布的控制点对结合薄平板样条插值法实现图像的全局非刚性弹性配准．实验结果表明,该算法可以有效地实现三维图像全局弹性配准,但计算时间较长．     

一种新的多模态图像集成配准方法

提出一种新的多模态图像集成配准方法。该算法是在对齐度和归一化互信息2种方法的基础上,引入图像边缘检测和均衡化,从而综合利用6种配准算法进行集成多模态图像配准。使用少数服从多数和基于可信度的加权2种集成准则,对红外热像仪图像和相应可见光图像进行实验分析,结果证明该集成配准方法准确性高,鲁棒性强,较之非集成配准方法具有明显的优势。     

基于互信息的视网膜眼底图像配准方法

提出一种在于互信息的视网膜眼底图像配准方法，并采用遗传算法求解待配准图像的变换参数。与传统方法相比，该方法具有配准精度高、可可靠性好、不需要进行图像的预分割和特征提取等特点，配准精确度可以达到亚像素级。     

加快寻优的医学图像互信息配准算法的研究

为了实现多模念医学图像的配准融合，提出一种加快寻优的医学图像互信息配准算法实现CT和MR图像的配准。该算法首先使用形态学方法提取图像的边界，再用力矩主轴法算出浮动图像进行刚性变换的初步平移量和旋转量，然后以此作为互信息法的初始参数进行寻优，找出最佳变换，实现CT和MR医学图像的自动刚性配准。该办法计算简单、运算量少。利用该配准算法实现融合的结果图像经过临床医生检验，认为达到临床诊断的要求，能辅助临床医生对疾病做出正确的诊断。     

加快寻优的医学图像互信息配准算法的研究

为了实现多模态医学图像的配准融合,提出一种加快寻优的医学图像互信息配准算法实现CT和MR图像的配准.该算法首先使用形态学方法提取图像的边界,再用力矩主轴法算出浮动图像进行刚性变换的初步平移量和旋转量,然后以此作为互信息法的初始参数进行寻优,找出最佳变换,实现CT和MR医学图像的自动刚性配准.该方法计算简单、运算量少.利用该配准算法实现融合的结果图像经过临床医生检验,认为达到临床诊断的要求,能辅助临床医生对疾病做出正确的诊断.     

基于互信息的多模图像配准研究

分析了基于互信息的多模态图像配准的理论和方法,从信息论的角度分析了互信息的性质以及两幅图像互信息的计算等,同时给出基于互信息的图像配准的基本步骤。     

基于互信息与梯度相似性相结合的医学图像配准方法

针对传统互信息配准方法未利用图像空间信息的缺点,提出一种将互信息与梯度相似性结合的医学图像配准方法.待配准图像的每组对应点的梯度相似性包括方向相似性和模值相似性.待配准图像整体梯度相似性系数由各对应点对的梯度相似性之和决定,该系数与传统互信息的乘积作为图像配准的测度.利用2D多模图像分别进行平移、旋转、采样,得到配准函数曲线,并给出具体的配准实例.实验结果表明,该方法比传统互信息有更高的鲁棒性和精度.     

基于形状匹配的快速图像配准

为了发挥基于特征的图像配准方法和基于像素的配准方法的优点,提出了一种将特征匹配和最大互信息法相结合的配准方案：先提取参考图像和浮动图像中的目标形状进行匹配,利用匹配结果求出互信息搜索算法的初始值再进行搜索．实验表明,该方法计算量小、速度快且精度高,可避免参数搜索陷于局部极值,有效地提高了配准的速度和精度．     

基于Fourier-Mellin变换的医学图像配准算法

针对基于互信息配准广泛应用于医学图像配准,存在计算量非常大、耗时长,受初始旋转和平移参数影响较大而使目标函数陷入局部极小等问题,采用Fourier-Mellin变换,先计算出2幅图像功率谱的反Fourier变换得到所对应的峰值位置,从而求得它们的相对平移,对于图像幅度谱用对数-极(Log-Polar)变换求出相对旋转角度,从而获得2幅图像配准参数,最后对图像进行配准.RTMT虽然能快速配准,但是配准精度有待提高.将RTMT和RMI结合在一起进行配准,即将RTMT获得的旋转角和平移量作为RMI的初始值,再应用RMI配准.这种方法不但计算量少而且运算简单,得出的结果精度高并且配准速度快,对于单模态图像配准和多模态配准都适用,还解决了容易陷入局部最优的问题.     

基于形状特征的图像配准

针对图像配准,提出了一种高效的配准方法,结合小波变换与传统的配准方法,检测形状的轮廓,利用小波分解后的系数分层提取图像形状信息,并进行由粗到细的逐次配准,然后利用最小距离函数对两轮廓进行判别,减少了计算量,得到了高精确的配准结果,有效地提高了配准效率。