一种基于广义模糊特征点配准的眼义图象拼接算法

本文将广义模糊集合引入到眼底图象的拼接方面，运用广义模糊算子对图象模板进行处理，能精确地获得该模板的特征点。应用这些特征点进行眼底图象的配准，最终将各部分眼底图象拼接成一较完整的图象。实验证明，这一些常规配准算法相比，该算法具有速度快、配准精确等优点。     

一种病变眼底图像的配准方法

对于具有病变的眼底图像,血管结构不够清晰,采用基于血管分割和血管分支点、交叉点等眼底图像配准方法具有一定的局限性。为了解决这个问题,提出一种基于不变特征的眼底图像配准方法。提取眼底图像的尺度不变特征(SIFT)作为特征点,提出双边或的Best-Bin-First(BBF)算法进行特征点匹配,并根据特征点具有旋转不变性的方向特征和空间斜率及空间距离等几何特性的一致性检测去除误匹配,精化匹配特征,利用得到的匹配特征进行M估计得到眼底图像的变换关系。通过对不同程度病变的眼底图像数据进行配准实验,观察配准结果,对比匹配特征的正确匹配数量和分析衡量配准精度的均方根误差。结果表明,该方法实现了良好的细节对齐,保留了足够的正确匹配对,对实验的病变眼底图像配准成功后的均方根误差均小于1,且浮动于0.5左右,验证了方法的精确性和有效性。     

基于特征提取的脑部医学图像配准研究

目的 基于特征的配准算法具有鲁棒性强、针对性好等显著优势,在图像配准领域被广泛应用,但是该类方法的精度受图像间特征构建和环境噪声影响大,该研究旨在对其缺点进行改进。方法 该研究基于SURF和ORB两种算法,提出了SURF-ORB算法,将参考图像与待配准图像分成上下两部分分别配准。在配准过程中,首先对SURF提取的图像特征点的Harris响应值进行优化,并使用灰度质心法确定特征点主方向。然后计算rBRIEF（旋转BRIEF）描述子,并使用汉明距离进行特征点匹配。最后加入RANSAC精匹配算法,剔除误匹配点。结果和结论 该研究通过对比分析SURF、ORB、SURF-ORB这3种算法的配准结果、抗噪声能力及多模态配准能力,验证了SURF-ORB算法具有较高的配准精度、配准速度和抗噪声能力。文章的创新之处该研究首次将SURF和ORB两种算法进行结合并应用于脑部横断面图像。     

一种适用于肝脏CT图像配准改进的尺度不变特征变换算法

针对肝脏CT图像特点,在传统的尺度不变特征变换(scale-invariant feature transform,SIFT)算法基础上,结合K-means聚类算法,提出了一种改进的特征点匹配算法。该算法通过聚类SIFT特征点坐标,将配准图像分为4个区域,特征点分块配准。与原算法相比,该算法增加了特征点匹配数量,有效隔离了特征点跨区域的错误匹配,时间复杂度也得到了一定的降低。该算法还减少了肝脏CT图像配准中错误匹配对配准结果的影响,提升了肝脏CT图像的配准精度。     

显微图象的快速拼接

作者提出了基于图象匹配的显微图象快速拼接的新方法。拼接分三步完成：１．生成利于配准的梯度图象。２．基于金字塔数据结构的快速匹配。３．进行边界处清除图象拼接处的阶梯。优点是：拼接由计算机自动完成，速度快、精度高，消除了人为误差，并且能提供人工无法实现的拼接处光滑连接。     

利用边缘和表面特征实现脑图像的自动配准

本文中我们使用基于CT、MR和PET图像等值特征表面的配准算法对多模医学图像进行了配准研究，在CT、MR和PET的原始图像中提取等值特征表面，进行图像的几何对准，并对结果进行初步评估，同时对该算法的稳健性，搜索最近点策略和采样策略进行了研究，结果表明；这种方法能够达到亚像素级的配准精度，是一种稳健、高精度、全自动的配准方法。     

图象的自动拼接

本文论述了实现图象自动拼接的新方法，针对拼接问题的特殊性，提出基于匹配的图象拼接应由以下四步完成：１．生成梯度图象以消除噪声的影响并提高配准精度。２．基于自学习阈值的快速匹配方法适用于大量图象的匹配。３．利用基团生长的方法从多幅图象的空间病态超定关系中确定拼接关系。４．边界处理中以距离为权的灰度均值调整消除了拼接处的阶梯。优点是：能自动完成多幅图象的空间定位，拼接。速度快，精度高，拼接处光滑过渡，避免了人为误差。     

基于弹性模型的CT与CARTO电解剖图像的配准算法

提出一种全自动、高精度的CARTO电解剖图与CT曲面配准算法。该算法采用了由粗到精的配准策略。粗配准部分分两步:首先采用刚体变换模型以及迭代最近点法,初次配准EAM与CT曲面;然后选择仿射变换模型,再次配准EAM与CT曲面。在粗配准的基础上,以基于B样条的自由形变模型进一步精确配准EAM与CT曲面。实验结果表明,相对临床常用的Carto-Merge配准软件,基于弹性模型的配准算法获得了远高于前者的EAM与CT曲面配准精度,配准效果稳定;同时算法完全自动,不需要任何手工介入。     

基于中心线提取的视网膜血管分割

精确估计眼底图像中的血管中心线和血管宽度是眼底血管疾病量化和可视化诊断的先决条件。在深入研究眼底图像和视网膜血管特征的基础上,提出一种基于中心线提取的视网膜血管分割算法,该算法以离散高斯核函数的偏微分为模板卷积图像,利用血管的微分几何特征定位血管中心线,并测量血管宽度。本方法的血管分割精度达到亚像素级,解决了传统方法无法直接计算血管宽度的问题,且在速度方面有较大提高。应用本算法对各类眼底图像进行了血管分割的实验,结果表明,该算法可以快速、准确地进行眼底血管分割和中心线提取。     

利用边缘和表面特征实现脑图像CT-MR的自动配准

应用基于CT和MR图像等值特征表面的配准算法对多模医学图像进行了配准研究.在CT、MR图像中提取等值特征表面,进行图像的几何对准,并对结果进行初步评估,同时对该算法的稳健性,搜索最近点策略和插值策略进行了研究.结果表明:这种方法能够达到亚象素级的配准精度,是一种稳健、高精度、全自动的配准方法.     

一种X线医学图像的增强及角点检测算法的研究

目的：利用MSR算法提高图像质量及角点检测的精度,然后再利用提取的角点来提高图像的配准与拼接速度及精度。方法：首先采用基于人眼感知亮度和色度的视觉模型改进的MSR算法对图像进行增强处理,然后采用改进的harris算法对增强后的图像进行角点提取。结果：采用本文算法对来自COX网站的一幅X线医学图像进行增强、角点检测,处理前后图像的信息熵分别为4.3706、7.3817,增强后的图像质量有明显提高,有效地避免了角点簇拥现象并使角点定位更加精确。结论：实验结果表明,本文采用的算法不仅能有效改善图像质量,而且能更有效、更精确地进行角点检测与提取。     

一种基于感兴趣点旋转不变性特征的图像配准新方法

目的:图像配准是图像处理领域重要的研究方向,是图像融合、图像重建和图像分析等研究的基础。在图像配准的主要方法中,基于图像特征的配准方法和基于图像灰度的配准方法各有优缺点,通过结合这两种方法的优点,我们提出了一种基于感兴趣点的旋转不变性特征图像配准的新方法。方法:首先利用Harris角点检测技术,提取模板图像和目标图像的感兴趣点。然后把感兴趣点的旋转不变形特征和灰度值组成图像的特征描述向量,并提出新的代价函数。最后采用分级优化的策略优化代价函数,在配准初期,采用显著的特征点进行配准,以保证配准的速度与鲁棒性,随后通过逐步增加特征点的数量,则保证了配准的精度。结果:为显示本文方法的优越性,实验利用本文方法和基于互信息的B样条方法分别对标准测试图像进行配准,实验结果表明,本文方法较基于互信息的B样条方法在配准精度上有明显提高。结论:本文方法在保持配准鲁棒性的前提下,获得了较高的配准精度。     

时间图像序列配准的研究

本文分析了时间图像序列配准的特殊性，提出了应从以下五个方面来设计时序图像的配准：预处理以补偿外部条件的变化、分析时序图像的不变量以确定代价函数的项、将目标物分解为几部分从而最终确定代价函数、选择较优的算法以提高配准速度。研究了甲襞毛细血管的时序图像配准，分析了甲襞毛细血管时序图像的不变量，提出了多模板－序列阈值配准算法，实验表明，此算法能成功地完成甲襞毛细血管的时序图像配准。     

一种基于小波变换的配准特征点自动标记算法

以颅脑CT图像为研究对象,提出了一种基于小波变换的自动标记非刚性配准所需对应特征点的算法.这种算法充分考虑了颅脑CT图像的像素点及其临域的纹理特征,通过进行小波变换建立对应于每个像素点的多分辨率小波特征向量,并以小波特征向量间的差异作为判别依据,在目标图像中标记非刚性配准所需的对应特征点.一系列的实验结果表明,这种基于小波变换的算法能够准确地在目标图像中标记出配准所需的对应特征点,可以作为基于特征的非刚性配准对应特征点自动标记的参量之一.     

基于SHOT与目标函数对称ICP的低重叠率术前术中点云配准算法

目的 配准是术前影像引导的椎弓根螺钉内固定术中的重要环节。术前CT影像三维重建获得的点云和术中捕获的暴露部位点云重叠率低，易受噪声、遮挡等因素的干扰，使点云配准更具挑战性。本文采用局部特征和距离度量相结合的方式应对低重叠率配准问题。方法 首先利用方向直方图描述子(signature of histograms of orientations, SHOT)和随机抽样一致算法(random sample consensus, RANSAC)提取并匹配几何特征相似的点，完成初始对齐。应用目标函数对称ICP,通过最小化对称化点到面目标函数得到最终变换矩阵。对来源于SpineWeb公开数据集的5组腰椎数据进行配准实验。结果 术前术中点云配准实验中平均配准误差为0.128 mm,平均运行时间为5.750 s。结论 实验结果验证了该算法在低重叠率术前术中点云配准中的有效性，使得外科医生能及时根据配准结果调整手术器械，从而提高椎弓根螺钉置入准确率。     

基于薄板样条的医学图像弹性配准

非刚体配准是神经外科和放疗计划设汁中的一个关键问题。使用薄板样条方法，利用两个对应标志点集对眼底、脑等多种医学图像进行弹性配准。其中，弹性插值法是将两个点集绝对对齐，常会出现严重的局部畸变；而弹性近似法充分考虑了整体平滑性的要求，对定位有误差的标志点约束的图像配准更为优越。实验结果表明，使用上述两种方法获得了很好的配准效果?     

一种自动有效的电解剖图与CT曲面配准算法

目的为房颤消融手术提供一种自动精确的电解剖图与CT曲面配准算法。方法首先,以基于主轴的方法粗配准电解剖图与CT曲面,然后以基于迭代最近点的方法进一步精配准两图。结果采用Carto Merge、随机方法和本文提出的基于迭代最近点的方法分别逐一配准三组真实和三组模拟的电解剖图与CT曲面。相对Carto-Merge和随机方法,基于迭代最近点的方法配准结果稳定,精度最高,而且算法完全自动,无需任何手动操作。结论基于迭代最近点的电解剖图与CT曲面配准算法能很好地满足临床房颤消融手术的需求。     

基于多分辨率GMI Demons算法的18F-FDG PET-CT图像配准在食道癌病例中的应用

18F-FDG PET和CT图像的精确配准在肿瘤的放射治疗中具有重要的临床研究意义,本研究采用全局刚性粗配准对食道癌病例中的PET和CT图像进行预处理,尽可能地减小摆位误差,然后使用基于互信息梯度的Demons算法(GMI Demons)进行局部形变配准,有效弥补内部器官误差,另外为了加快配准过程,保持图像的鲁棒性的同时避免局部极值,在形变配准前使用多分辨率图像金字塔结构。通过对10例食道癌病例的定量分析,最大互信息值结果说明经GMI Demons算法配准之后的图像精度比基于MI算法要提高8.046%±0.041%,配准前后临床上肿瘤靶区(GTV)大小的变化,说明经GMI Demons算法配准之后的GTV大小比基于MI算法配准之后的精度提高8.022%±0.044%。两种定量结果的一致性和通过对图像的定性分析,说明该配准策略可以快速地精确肿瘤靶区位置,在制定精确的放疗计划和实际的临床应用中具有研究意义。     

医学图像弹性配准中弹性模型的建立

医学图像配准是医学图像处理中的一个重要研究课题，它是图像融合、图像与标准图谱的匹配、显微图像的重建等研究的基础。图像的配准方法有多种，它们可以分为刚性和弹性配准两大类。相对于刚性配准，弹性配准有着更高的精确性，而对于变形大的图像的配准，它是必须的。因此弹性配准的研究有着广泛的意义。本文根据图像的特征，结合弹性力学的理论和方法，建立了一种用于精确配准的弹性数学模型，并用这一模型进行图像的弹性配准，取得了较好的效果。     

基于点信息的人体寰椎三维模型配准

目的建立一种基于点信息的寰椎三维模型局部点配准方法,为进行三维数据的统计建模奠定基础。方法以正常人体CT序列图像生成寰椎三维模型30个,所有模型标注人工选择的对应点,设为模板模型1个,训练模型20个,验证模型9个。首先进行训练组模型对模板模型的配准,包括点信息的比较计算和权重系数的机器训练两步,以自动配准点与人工选点的欧式距离之和为测度,获得点配准公式及对应的最佳系数;其次以验证组模型对模板模型进行配准,统计自动配准点与人工选点的欧式距离值,同训练组做对比分析,评估方法的稳定性。结果获得配准函数及对应的最佳权重系数,训练组和验证组配准结果误差分别为1.983和2.045 mm,统计分析表明两组结果没有显著性差异。结论此方法精度及稳定性均达到预期目的,可用于寰椎模型之间感兴趣点的自动配准及统计建模工作中的元素分类。