基于ICP算法的医学图像几何配准技术

基于ICP算法的医学图像几何配准技术
基于ICP算法的医学图像几何配准技术

机器人技术、计算机技术、图像处理技术与临床外科手

术相结合,产生了一个崭新的研究领域——计算机集成外科手术系统(Computer Integrated Surgical systems and ,。它旨在利用等图像信息并结合立technology CIS)CT/MRI 体定位系统对人体解剖结构进行术前显示、术前计划和术中定位,在外科手术中利用医用机器人和计算机进行干预。外科手术也逐渐从医院外科医生的单独工作,转移到包括工程技术人员和康复人员在内的一个工程系统,由他们组成的医疗小组共同制定手术计划、实施临床手术以及安排手术后的康复。其中医学图像几何配准是这个系统的关键技术,它 完成两个不同空间中对应于同一医学解剖特征的两点间的映射。医生能够利用配准的有用信息进行手术计划,引导手术进行。几何配准主要由个部分组成:术前模型的建立,术3中数据的获取和配准计算。如图所示。

1

图几何配准模块

1 基于的配准算法

1 ICP 配准算法最初由

ICP (Iterative Closest Point Algorithm)和Besl Mckey [1]

提出,这是一种基于轮廓特征的点配准方法。对同一解剖结构,提取医学图像的轮廓,得到术前模型},..,2,1,0,{k i x X i ==的一组点集和术中的一组点 集},..,2,1,0,{n i u U i ==U X 。其中和不必具有相同

n k ≥U i u X

数量的元素令。对集合中的一个点,集合,

i u 中与的距离最短的点被称为最近点。图像几何配准就

是通过两个坐标系之间的旋转和平移,使得来自医学图像上

的同源点间距离最小。假设每对点

),..,,(21im i i i u u u u =和

),..,,(21im i i i x x x x =都是三m 维点=,为了使它们配准起来,就要找到最优的旋转(

3)矩阵和平移向量,满足目标表达式

R T [2]

()2

,min ∑

+?T

Ru

x i

i T

R 其中,是×的旋转矩阵;是×的平移矩阵。R 33 T 31为了解决这个问题,采用叠代最近点的方法:Y X Y ?X U 获得点集,,由中对距离最近的点(1) 组成;

应用四元数法(2)[3]

,得到旋转矩阵和配准(quaternions)R 向量;

T 将和作用于集合;

(3)R T U 决定均方差值是否小于预先估计的临界值,如不是(4)则返回到继续进行。

(1)术前建模及数据获取

2 术前模型的建立

2.1 在计算机集成外科手术系统中,全膝置换手术占很大比例,本文以股骨为例建立三维几何模型。首先采用扫描CT 得到股骨内、外结构的截面二维几何信息。然后在Pro/软件中读取这些信息,进行二维断层图像的三维

Engineer CT 重建[4]

,得到的股骨硬组织三维模型如图所示。

2基于算法的医学图像几何配准技术

ICP 李 斌1,吴 松2,王成焘1

(上海交通大学机械与动力工程学院,上海;上海交通大学研究生院,上海)

1. 200030

2. 200030摘 要:几何配准是医学图像领域研究的重要内容,医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型,讨论了基于轮廓特征的医学图像几何配准算法,从技术上实现了术前建模和术中取点,并编制相应的算法程序。ICP ICP 关键词:几何配准;医学图像;算法

ICP Technique for Medical Image Geometrical Registration Based on ICP Algorithm

LI Bin 1,WU Song 2,WANG Chengtao

1 ;

(1.College of Mechanical Engineering, Shanghai Jiaotong Univ.,Shanghai 200030 2. Graduate School,Shanghai Jiaotong Univ., Shanghai 200030)【】Abstract Geometrical registration is an important research field in medical image. The goal of medical image registration is to establish a common reference frame between pre-surgical and intra-surgical 3-D data sets. This paper presents an ICP(iterative closest point ) algorithm based on contour ,:,feature. According to the example of femur model it realizes three parts of geometrical registration establishing pre-operative model selecting intra ,-operative data sets and programming ICP algorithm.

【】Key words ;;Geometrical registration Medical image ICP algorithm

第卷 第期2914№

Vol.29 14计 算 机 工 程Computer Engineering

年月

20038 August 2003

?多媒体技术及应用?

中图分类号:

TP391 文章编号:———10003428(2003)14 015103

文献标识码:A

图股骨硬组织的三维模型 2

获取术前模型的数据点

2.2 为了得到股骨数据点的坐标,需要在中以Pro/Engineer 标准格式存储股骨模型,然后转入到软件中进IGES ANSYS 行取点。这里采用基本图形转换规范IGES(Initial Graphics ,它定义一套表示系统中Exchange Specification)CAD/CAM 常用的几何和非几何数据格式以及相应的文件结构,解决了数据在不同系统间进行传送的问题。

CAD/CAM 工作平面有两个坐标系:一个是模型自身带的 ANSYS 坐标系,称为模型坐标系,可以在工作平面上看到,它与断层图像的原始坐标系一致,也是软件建模的CT Pro/Engineer 基准坐标,股骨模型始终都固定在这个坐标系中,各点的坐标值也不会发生变化;另一个就是工作平面坐标系,它的坐标原点在平面中心,股骨模型的旋转和平移都是相对这个坐标系。

在股骨配准过程中,为了提高配准的效率,可以直接选取股骨远端的点,从而忽略股骨近端的模型点。由于在Pro/软件中股骨模型都是由结点生成,可以在软Engineer ANSYS 件中打开股骨模型,利用菜单命令ANSYS/Select/Entities/选取股骨远端的结点,如图所示。然后可以利用Keypoints 3菜单命令输出模型的ANSYS/List/Keypoints/Coordinares only 数据点,它显示了每一个点的编号,、、坐标和其它X Y Z 一些值,它们的坐标值都是相对于模型坐标系。最后删除其它不相关的信息,只留下编号和、、坐标,生成一个X Y Z 标准的数据文件。

TXT

图获取股骨远端模型点

3 术中数据获取

3 配准中的第二步是在手术过程中获取数据点集合。本系统采用加拿大公司的光学立体定位系统作为实物NDI Polaris 空间运动信息和图像信息的来源,首先完成常规视频Polaris 的采集,如图所示。

4采集对象包括手术场景以及标志物发来的红外信号。股骨在手术实施过程中,可以用个或个红外线标志表示。股34骨将其位置信息通过标志传回计算机辅助系统,处理后可获

得它的相对空间关系。系统还可用探测器采集股骨的点坐标,探测器上的红外线标志间接代表了

探测器的针尖。除了硬件设施外,还有软件实现部分,它主要是由公司自行开发并随产品NDI 一起发行。

在实际手术操作过程中,医生用探测器在股骨远端表面直接

采集点,软件会自动生成一个数据文件。它由一系NDI TXT 列点组成,包括点的编号、对应的四元数(Frame)(Q0, Qx, 、点的个坐标、系统误差、系统偏Qy, Qz)3(X, Y, Z)(Error)差和两个校正系数。编制算法程序(Partially)(OOV,OOV)时,直接读取数据文件中点的的编号和个坐标即可。

TXT 3医学图像配准算法的实现4 ICP 本算法程序是在基于微机平台的位操作系

Windows 32统下进行开发的,采用了

编程环境。本系统为VisualC++6.0了实现术前和术中两组点的配准,算法程序考虑到两个方面:数据点的表达和存储和算法的实现流程。数据结构技术

4.1 定义点类

(1) ICP_Point 为了表达从数据文件中获取每个点的坐标值,可以建立点的类。

class ICP_Point :

{ public ;

ICP_Point(); virtual ~ICP_Point():

private ;指向下一个点的地址 ICP_Point *next //;点的编号

int No_num

//,,;三维点的个坐标 double x y z //3;

}定义链表类

(2) ICP_Link 建立了每个点的表达方式,就要把每个数据文件的点组织并存储起来,链表是一种常见的重要数据结构,它根据需要开辟内存单元,能够方便地动态组织数据。本算法程序中采用单向链表,每个链表由一个一个结点构成,每个结点都包括数据部分和一个指向下一个结点的指针。而链表类ICP 结点的数据部分就是一个的指针对象,用来_Link ICP_Point 存放数据点的坐标值和编号。该链表类还可以进行链表建立、输出、获取链表的长度和求链表中所有数据点的重心。

class ICP_Link :

{ public ;

ICP_Link();

virtual ~ ICP_Link();建立链表

void Creat_Link()//

;求链表的重心 void Gravity_Link()//;输出链表

void Print_Link() //;求链表的长度 int Length_Link()

//;得到头指针 ICP_Point *Gethead()//:

Private ;链表的头指针 ICP_Point *head

//;临时链表 ICP_Point *p1,*p2//;

}算法实现

4.2 ——

152 图用于常规视频采集4 Polaris

图算法流程图

5 算法以叠代的方式进行,每次叠代,术中点集经过旋

U 转和平移,向术前点集不断逼近。经过每次叠代,相应点

X 之间的距离便会减少,最终满足前面的目标表达式。在算法中要涉及到向量和矩阵的各种运算,而向量ICP 其实也就是多行一列的矩阵,所以在本程序中定义了一个矩阵类。利用矩阵类可以很方便地做矩阵的加、ICP_Matrix 减、乘、求逆、求特征值和特征向量采用雅可比方(Jacobi 法。算法的流程如图所示。

)5结论

5 计算机集成外科手术系统是包括很多技术模块的一个复杂系统,本文讨论的医学图像几何配准就是其中的一个重要模块。配准模块的前两个部分都在技术层面上得以实现,算法程序也能够初步完成配准工作。

当然要让这个模块真正适用到实际的手术环境中,进入临床指导医生完成手术,就需要进一步加以研究。在配准算法的应用中配准精度与运算时间运算时间与叠代次数成正, (比是两个最主要的因素,两者存在着此消彼长的关系。所)以寻找加速算法,根据轮廓特征选取适当的坐标点是配准算法发展的方向。

参考文献

1 Besl P J , McKay N D. A Method for Registration of 3-D Shapes. IEEE Trans. on Pattern Anal. and Mach. Intel,1992, 14:239-256

2 Simon D. Fast and Accurate Shape-based Registration[Doctoral Dissertation].Tech. Report CMU-RI-TR -96-45, Robotics Institute, Carnegie Mellon University,1996-10

3 Horn B K P. Closed-form Solution of Absolute Orientation Using

Unit Quaternions. Journal of the Optical Society of America , 1987 , 4(4): 629-642

江早图形编程北京:科学出版社,

4 . OpenGL VC/VB . 2001

☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆☆

医学图像配准

《数字医学图像》报告 内容:图像配准专题 专业: 2012级信息管理与信息系统班级:信管一班 小组成员: 20120701020 韩望欣 20120701008 毕卓帅 20120701005 胡庆 指导老师:彭瑜 完成日期: 2015 年 10月 25日

图像配准专题 简介:图像配准是对取自不同时间,不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。图像配准广泛用于多模态图像分析,是医学图像处理的一个重要分支,也是遥感图像处理,目标识别,图像重建,机器人视觉等领域中的关键技术之一,也是图像融合中要预处理的问题,待融合图像之间往往存在偏移、旋转、比例等空间变换关系,图像配准就是将这些图像变换到同一坐标系下,以供融合使用。 一:图像配准方法国内外进展情况 图像配准最早在美国七十年代的飞行器辅助导航系统、武器投射系统的末端制导以及寻地等应用研究中提出,并得到军方的大力支持与赞助。经过长达二十多年的研究,最终成功地用于中程导弹及战斧式巡航导弹上,使其弹着点平均圆误差半径不超过十几米,从而大大提高了导弹的命中率。八十年代后,在很多领域都有大量配准技术的应用,如遥感领域,模式识别,自动导航,医学诊断,计算机视觉等。各个领域的配准技术都是对各自具体的应用背景结合实际情况量身订制的技术。但是不同领域的配准技术之间在理论方法上又具有很大的相似性,从而使得在某领域的配准技术很容易移植到其它相关领域。目前国内外研究图像配准技术比较多的应用领域有红外图像处理、遥感图像处理、数字地图定位和医学图像处理等领域。 二、图像配准在医学领域的应用 20世纪以来随着计算机技术的不断发展,医学成像技术得到了快速的发展。尖端的新型医疗影像设备层出不穷,如计算机线摄影、数字减影等等,这些已经成为现代医学诊断必不可少的医学数字成像手段。由于这些医学数字成像设备有不同的灵敏度和分辨率,它们有各自的使用范围和局限性。多种模式图像的结合能充分利用图像自身的特点并做到信息互补。近几十年以来,图像配准在医学上的应用日益受到医学界和工程界的重视,己在世界范围广泛展开,在相关文献中己经提出了很多种医学图像配准的方法,这些研究成果广泛地运用到医学领域中。图像配准在医学中的应用领域主要有以下几方面: ?组织切片图像的处理与显微结构三维重建 ?疾病诊断及其发展和消退的过程检测 ?神经外科手术可视化、神经外科手术一计划及术前评估 ?感觉运动和认知过程的神经功能解剖学研究 ?神经解剖变异性的形态测量分析学 ?放射治疗和立体定向放射外科治疗计划 三、图像配准的定义 对于二维图像配准可定义为两幅图像在空间和灰度上的映射,如果给定尺寸的二维矩阵F 1和F2代表两幅图像F1(X,Y)和F2(X,Y)分别表示相应位置(X,Y)上的灰度值。则图像间的映射可表示为:F (X,Y)=G(F (H(X,Y))),式中H表示一个二维空间坐标变换,即(X’,Y’)=H(X,Y),且G是一维灰度变换。 四、图像配准方法的分类 1、维数 主要是根据待配准图像的空间维数及时间维数来划分的。图像仅含空间维数或者是图像的时间序列中带有空间数,其配准可根据图像的空间维数分2D/2D,2D/3D,3D/3D,4D/4D

基于ICP算法的医学图像几何配准技术

机器人技术、计算机技术、图像处理技术与临床外科手 术相结合,产生了一个崭新的研究领域——计算机集成外科手术系统(Computer Integrated Surgical systems and ,。它旨在利用等图像信息并结合立technology CIS)CT/MRI 体定位系统对人体解剖结构进行术前显示、术前计划和术中定位,在外科手术中利用医用机器人和计算机进行干预。外科手术也逐渐从医院外科医生的单独工作,转移到包括工程技术人员和康复人员在内的一个工程系统,由他们组成的医疗小组共同制定手术计划、实施临床手术以及安排手术后的康复。其中医学图像几何配准是这个系统的关键技术,它 完成两个不同空间中对应于同一医学解剖特征的两点间的映射。医生能够利用配准的有用信息进行手术计划,引导手术进行。几何配准主要由个部分组成:术前模型的建立,术3中数据的获取和配准计算。如图所示。 1 图几何配准模块 1 基于的配准算法 1 ICP 配准算法最初由 ICP (Iterative Closest Point Algorithm)和Besl Mckey [1] 提出,这是一种基于轮廓特征的点配准方法。对同一解剖结构,提取医学图像的轮廓,得到术前模型},..,2,1,0,{k i x X i ==的一组点集和术中的一组点 集},..,2,1,0,{n i u U i ==U X 。其中和不必具有相同 n k ≥U i u X 数量的元素令。对集合中的一个点,集合, i u 中与的距离最短的点被称为最近点。图像几何配准就 是通过两个坐标系之间的旋转和平移,使得来自医学图像上 的同源点间距离最小。假设每对点 ),..,,(21im i i i u u u u =和 ),..,,(21im i i i x x x x =都是三m 维点=,为了使它们配准起来,就要找到最优的旋转( 3)矩阵和平移向量,满足目标表达式 R T [2] ()2 ,min ∑ +?T Ru x i i T R 其中,是×的旋转矩阵;是×的平移矩阵。R 33 T 31为了解决这个问题,采用叠代最近点的方法:Y X Y ?X U 获得点集,,由中对距离最近的点(1) 组成; 应用四元数法(2)[3] ,得到旋转矩阵和配准(quaternions)R 向量; T 将和作用于集合; (3)R T U 决定均方差值是否小于预先估计的临界值,如不是(4)则返回到继续进行。 (1)术前建模及数据获取 2 术前模型的建立 2.1 在计算机集成外科手术系统中,全膝置换手术占很大比例,本文以股骨为例建立三维几何模型。首先采用扫描CT 得到股骨内、外结构的截面二维几何信息。然后在Pro/软件中读取这些信息,进行二维断层图像的三维 Engineer CT 重建[4] ,得到的股骨硬组织三维模型如图所示。 2基于算法的医学图像几何配准技术 ICP 李 斌1,吴 松2,王成焘1 (上海交通大学机械与动力工程学院,上海;上海交通大学研究生院,上海) 1. 200030 2. 200030摘 要:几何配准是医学图像领域研究的重要内容,医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型,讨论了基于轮廓特征的医学图像几何配准算法,从技术上实现了术前建模和术中取点,并编制相应的算法程序。ICP ICP 关键词:几何配准;医学图像;算法 ICP Technique for Medical Image Geometrical Registration Based on ICP Algorithm LI Bin 1,WU Song 2,WANG Chengtao 1 ; (1.College of Mechanical Engineering, Shanghai Jiaotong Univ.,Shanghai 200030 2. Graduate School,Shanghai Jiaotong Univ., Shanghai 200030)【】Abstract Geometrical registration is an important research field in medical image. The goal of medical image registration is to establish a common reference frame between pre-surgical and intra-surgical 3-D data sets. This paper presents an ICP(iterative closest point ) algorithm based on contour ,:,feature. According to the example of femur model it realizes three parts of geometrical registration establishing pre-operative model selecting intra ,-operative data sets and programming ICP algorithm. 【】Key words ;;Geometrical registration Medical image ICP algorithm 第卷 第期2914№ Vol.29 14计 算 机 工 程Computer Engineering 年月 20038 August 2003 ?多媒体技术及应用? 中图分类号: TP391 文章编号:———10003428(2003)14 015103 文献标识码:A

图像配准技术方法研究

图像配准技术方法研究 摘要随着信息技术的迅猛发展,图像配准技术已经在军事、遥感、医学、计算机视觉等多个领域得到了广泛的应用。图像配准技术是图像处理的一个基本问题,它是将不同时间、传感器或视角下获取的相同场景的多幅图像进行匹配的图像处理的过程。三类图像配准的方法大致如下:基于灰度的图像配准方法。基于变换域的图像配准方法。基于特征的图像配准方法。本文将应用这三种方法对图像配准进行研究。并重点研究基于特征的图像配准方法。 关键词图像配准,特征点匹配,灰度插值,控制点的提取 Abstract The technology of image registration is being widely used in the military, remote sensing , medical, computer, visual and any other fields with the rapid development of information technology. The technology of image registration is a kind of process to match different pictures getting from different periods and different cameras but a same scene, it is a basic point to handle the pictures. There are three kinds of ways to do the image registration:According to the level of the color of gray getting from the pictures.According to transforming domains.According to the features The three kinds of ways will be used to discuss the image registration in the thesis, and the way according to the features will be discussed more in the thesis.

医学图像配准技术 综述

医学图像配准技术 A Survey of Medical Image Registration 张剑戈综述,潘家普审校 (上海第二医科大学生物医学工程教研室,上海 200025) 利用CT、MRI、SPECT及PET等成像设备能获取人体内部形态和功能的图像信息,为临床诊断和治疗提供了可靠的依据。不同成像模式具有高度的特异性,例如CT通过从多角度的方向上检测X线经过人体后的衰减量,用数学的方法重建出身体的断层图像,清楚地显示出体内脏器、骨骼的解剖结构,但不能显示功能信息。PET是一种无创性的探测生理性放射核素在机体内分布的断层显象技术,是对活机体的生物化学显象,反映了机体的功能信息,但是图像模糊,不能清楚地反映形态结构。将不同模式的图像,通过空间变换映射到同一坐标系中,使相应器官的影像在空间中的位置一致,可以同时反映形态和功能信息。而求解空间变换参数的过程就是图像配准,也是一个多参数优化过程。图像配准在病灶定位、PACS系统、放射治疗计划、指导神经手术以及检查治疗效果上有着重要的应用价值。 图像配准算法 可以从不同的角度对图像配准算法进行分类[1]:同/异模式图像配准,2D/3D图像配准,刚体/非刚体配准。本文根据算法的出发点,将配准算法分为基于图像特征(feature-based)和基于像素密度(intensity-based)两类。 基于特征的配准算法 这类算法利用从待配准图像中提取的特征,计算出空间变换参数。根据特征由人体自身结构中提取或是由外部引入,分为内部特征(internal feature)和外部特征(external feature)。

【作者简介】张剑戈(1972-),男,山东济南人,讲师,硕士 1. 外部特征 在物体表面人为地放置一些可以显像的标记物(外标记,external marker)作为基准,根据同一标记在不同图像空间中的坐标,通过矩阵运算求解出空间变换参数。外标记分为植入性和非植入性[2]:立体框架定位、在颅骨上固定螺栓和在表皮加上可显像的标记。Andre G[3]等将该方法用于机器人辅助手术,对于股骨移植,位移误差小于1.5mm,角度误差小于3°,由于计算量小,可以实现实时配准。但是标记物必须事先被固定好,不能用于回顾性配准,而且该方法只适用刚体配准。 2. 内部特征 从医学影像中可以提取出点、线和面:血管的交点、血管、胸腹之间的横膈膜等,这些特征作为内标记点(internal marker) ,利用其空间位置同样可以求解出空间变换参数。Hill DL[4]用11个形态点对脑部配准,误差<1mm,方差为1.73mm。Meyer CR[5]除了血管树的交点,还使用了左右脑之间的间隔等特征。Maurer CR[6,7]赋予点、线、面等几何特征不同的权重(weighted geometrical features, WGF),进一步改进了算法。内标记点配准是一种交互性的方法,将3D图像配准简化为点、线和面的匹配,可以进行回顾性研究,不会造成患者的不适。但是医生对特征位置的判断影响到配准精度,为了克服人为误差,需要多次重复操作,以平均值作为最终结果。 表面匹配算法也利用了内部特征[8]:进行图像分割,提取出轮廓曲线、物体表面等内部特征,使2D/3D图像配准简化为2D曲线和3D曲面的匹配,不再考虑物体内部像素。典型的应用是刚体配准的“头帽”算法[9],从头部的3D图像中分割出表面轮廓,分别作为头模型和帽模型。配准的目标函数是头表面和帽表面之间的均方距离,该距离是空间变换参数的函数。表面匹配算法是一种自动算法,在物体表面轮廓相似并且清晰的情况下,配准效果很好。其不足之处在于:准确地进行图像分割很困难;不同模式的图像,如CT/PET图像,由于器官的轮廓差异较大,难于精确地匹配。 3. 在非刚体配准中的应用 进行非刚体配准前要确定物理模型,常见有弹性模型、粘稠液体模型、生物力学模型。通过在感兴趣区域中提取参考点、2D或是3D轮廓线,使待配准图像

2D3D医学图像配准研究

分类号:密级: UDC:学号: 010768 东 南 大 学 硕 士 学 位 论 文2D-3D 医学图像配准研究 研究生姓名:梁玮 导师姓名: 鲍旭东 教授 罗立民教授 申请学位级别工学硕士工程领域名称生物医学工程 论文提交日期 2004年 月 日论文答辩日期2004年月日学位授予单位东南大学学位授予日期2004年月日答辩委员会主席评阅人 二〇〇四年六月

2D-3D REGISTRATION OF MEDICAL IMAGE A Dissertation Submitted to Southeast University For the Academic Degree of Master of Engineering BY LIANG Wei Supervised by Prof. BAO Xudong And Prof. LUO Limin Department of Biomedical Engineering Southeast University June 2004

东 南 大 学 学 位 论 文 独 创 性 声 明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写过的研究成果,也不包含为获得东南大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。 研究生签名:日期: 东 南 大 学 学 位 论 文 使 用 授 权 声 明 东南大学、中国科学技术信息研究所、国家图书馆有权保留本人所送交学位论文的复印件和电子文档,可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文外,允许论文被查阅和借阅,可以公布(包括刊登)论文的全部或部分内容。论文的公布(包括刊登)授权东南大学研究生院办理。 研究生签名: 导师签名:

地的总结图像配准算法

图像配准定义为:对从不同传感器、不同时相、不同角度所获得的两幅或多幅图像进行最佳匹配的处理过程[2]。图像配准需要分析各分量图像上的几何畸变,然后采用一种几何变换将图像归化到统一的坐标系统中。在配准过程中,通常取其中的一幅图像作为配准的标准,称之为参考图像;另一幅图像作为配准图像。 图1-1 图像配准的基本流程 图1-2 图像配准方法分类

根据配准使用的特征,图像配准的方法大致可分为三类: (1)基于图像灰度的配准算法。首先从参考图像中提取目标区作为配准的模板,然后用该模板在待配准图像中滑动,通过相似性度量(如相关系数法、差的平方和法、差的绝对值法、协方差法)来寻找最佳匹配点。 (2)基于图像特征的配准算法。该算法是以图像中某些显著特征(点、线、区域)为配准基元,算法过程分为两步:特征提取和特征匹配。首先从两幅图像中提取灰度变化明显的点、线、区域等特征形成特征集。然后在两幅图像对应的特征集中利用特征匹配算法尽可能地将存在对应关系的特征对选择出来。对于非特征像素点利用插值等方法作处理推算出对应匹配关系,从而实现两幅图像之间逐像素的配准。 (3)基于对图像的理解和解释的配准算法。这种配准算法不仅能自动识别相应像点,而且还可以由计算机自动识别各种目标的性质和相互关系,具有极高的可靠性和精度。这种基于理解和解释的图像配准涉及到诸如计算机视觉、模式识别、人工智能等许多领域。不仅依赖于这些领域中理论上的突破,而且有待于高速度并行处理计算机的研制。 从自动化角度来看,可以将配准过程分为自动、半自动和手动配准。 存在问题:如何提高图像的配准速度将是大范围遥感图像自动配准问题的要点;选取何种自动配准方案以保证图像的配准精度将是大范围遥感图像自动配准问题的另一要点。 2(,)[1((, f x y g f h x y 其中,h表示二维空间坐标变换。g表示灰度或辐射变换,描述因传感器类型的不同以及成像时气候等环境的影响所带来的图像灰度的变换。配准问题的实质就是要找到最优的空域变换h和灰度变换g,使得上述的等式成立,从而找到配准变换的参数 特征空间的选择通常要考虑以下几个因素:相似性;空间分布;唯一性。 在自动图像配准中对特征的理解可以分为两类。(1)基于灰度的方法:基于灰度的方法将重点放在特征匹配上,在其过程中并没有真正提取特征。一般所说的模板匹配法就是这种方法的代表。这种方法实际上将图像的灰度分布直接作为特征而构成匹配的基础。(2)基于特征的方法:基于特征的方法需要在图像中提取显著的特征:区域(森林、湖泊、农田等)、线(区域的边界、道路等)和点(区域的角

基于视频序列的图像配准算法研究与应用

工学硕士学位论文 基于视频序列的图像配准算法研究与应用 王帅 哈尔滨工业大学 2007年7月

国内图书分类号:TP391.4 国际图书分类号:681.39 工学硕士学位论文 基于视频序列的图像配准算法研究与应用 硕士研究生:王帅 导师:承恒达 教授 申请学位:工学硕士 学科、专业:计算机科学与技术 所在单位:计算机科学与技术学院 答辩日期:2007年7月 授予学位单位:哈尔滨工业大学

Classified Index: TP391.4 U.D.C: 681.39 Dissertation for the Master Degree in Engineering RESEARCH AND APPLICATION OF IMAGE REGISTRATION BASED ON VIDEO SEQUENCE Candidate:Wang Shuai Supervisor:Prof. Cheng Hengda Academic Degree Applied for:Master of Engineering Specialty:Computer Science and Technology Affiliation:School of Computer Science and Technology Date of Defence:July, 2007 Degree-Conferring-Institution:Harbin Institute of Technology

哈尔滨工业大学工学硕士学位论文 摘要 随着数字技术的不断发展,视频图像的分析与处理越来越受到人们的关注。数字化图像序列可以通过摄像机等光学设备获得,是真实世界在不同时间向成像平面的一系列投影。图像帧之间具有较大的相关性和信息冗余,找到并描述图像序列间的内在联系成为研究的关键所在。图像配准技术可以有效地解决这类问题。 图像配准问题是图像处理里的一个基本问题,是将不同时间、不同传感器、不同视角及不同拍摄条件下获取的图像对齐或匹配,消除存在的几何畸变。图像配准在计算机视觉、模式识别、医学图像处理和遥感信息处理方面有着广泛的应用。 本文提出了基于自适应聚类的特征匹配方法,满足大量图像配准的需求,提高匹配的速度,该方法基于正确匹配点对间形成矢量的一致性,对匹配点对进行自适应聚类,实验证明该方法在保证正确匹配不丢失的同时,可有效剔除绝大多数错误匹配,为进一步进行RANSAC匹配提供方便,且有效地提高了整个匹配过程的速度。 本文提出一种简单有效的图像合成方法。该方法针对摄像机固定位置,水平旋转拍摄的视频序列的特点,选取图像序列中部分帧,通过H矩阵确定重叠区域,再利用线性插值进行图像融合。实验证明在转角小于180 时,合成效果较好。 本文成功运用图像配准技术完成运动员滑行数据的测量,利用图像配准技术估计图像间摄像机运动,进而消除摄像机运动的影响,得到运动员的真实运动数据。根据这一原理,首先对冰场进行合理化建模,并确定相应的视频拍摄方案,设计了运动员冰场定位算法,利用帧间的H矩阵估计摄像机旋转角度,进而估计运动员的旋转角度完成滑行数据的测量。 关键词图像配准;特征点匹配;自适应聚类 - -I

基于ITK与VTK的医学图像配准软件的开发

[1] 工作。图像配准技术已经广泛的应用于计算机视觉、医学图像处理、遥感数据分析等领域。医学图像配准是医学图像处理和分析的前提和基本技术。精确的医学图像配准结果对医学影像分析和临床辅助诊断有着重要的意义。目前已经有大量的用于医学图像处理和分析的开发应用平台,其中ITK(Insight Segmentation and Registration Toolkit)主要提供了医学图像分割和配准等方面的功能[2],VTK (Visualization Toolkit)则提供了可视化方面的功能[3,4],用于观察结果以及进行交互显示。本文借助Qt和C++开发了基于ITK和VTK的医学图像配准软件,可用于基本的图像配准工作。 1 开发工具 ■1.1 ITK简介 ITK是六位开发者合作开发的,用于图像配准和分割的软件工具包。鉴于在开发过程中做出的杰出贡献,六位合作开发者受到美国国立卫生研究院的表彰。后来所开发的源代码被整理成为今天的ITK。ITK是开源的、面向对象的、具有大量算法的软件开发包,主要针对于医学图像领域的分割与配准问题。常用的算法包括阈值分割算法、区域生长法、基于分水岭的分割算法,以及快速匹配算法等。ITK还具有跨平台的特性,不仅支持Windows,还支持Unix和Linux 等多种平台。ITK将大量实用的图像处理算法封装起来,形成了丰富的算法库,屏蔽了程序开发的细节,简化了开发的过程,为医学图像处理领域的开发工作提供了宝贵的技术资料。但是ITK没有实现相应的图像可视化功能,因此需要与VTK结合进行应用程序的开发。本文的医学图像处理软件采用Qt开发,通过ITK进行图像配准算法上的操作,同时结合VTK实现了图像的可视化。 ■1.2 VTK简介 VTK是一个免费、开源的软件开发包,主要用于计算VTK以方便性和灵活性为主要开发原则,具有如下几个的特点:(1)具有强大的三维图形显示功能。VTK既支持基于体素的体绘制法,又保留了传统的面绘制发,从而能够在最大限度的改善可视化效果的同时,又充分利用了现有的图形库和图形加速硬件。(2)VTK的体系结构具有强大的流处理和高速缓存能力,在处理的数据非常大时,不会受内存资源限制的影响。(3)VTK能够很好的支持网络工具的应用和开发。(4)VTK具有设备无关性的特征,使得用其开发的代码具有良好的可移植性。(5)VTK中具有许多宏定义,这些宏极大的简化了编程工作,并且加强了一致的对象行为。(6)VTK具有更丰富的数据类型,具有多种数据类型的处理能力。(7)VTK具有跨平台的特性,既可以工作于Windows操作系统,又可以工作于Unix等其他操作系统,极大的方便了用户。 ■1.3 Qt简介 Qt是1991年开发的一个跨平台的、具有图形用户界面的、用于C++应用程序的开发框架。它既可以开发GUI (Graphical User Interface,图形用户界面)程序,也可以开发控制台工具、服务器等非GUI程序。Qt是面向对象的应用程序开发框架,采用组件编程,使用大量的宏定义,容易扩展。同时Qt具有跨平台、面向对象、提供大量API、支持2D/3D图形渲染,以及开发文档丰富等特性。Qt Creator是一个用于Qt开发的,轻量级跨平台集成开发环境。 2 图像配准的概念 图像配准是将不同时间、不同成像设备、不同条件下获取的两幅或者多幅图像进行匹配的一个优化过程,也就是将一幅图像上的像素点映射到另一幅图像上同源点的空间转换过程。图像配准的输入数据是两幅图像,其中一幅图像被定义为参考图像F(x,y),另一幅图像被定义为待配准图 46 | 电子制作 2019年09月

图像配准算法综述

杭州电子科技大学 毕业设计(论文)文献综述 毕业设计题目SIFT特征研究及应用 文献综述题目图像配准算法综述学院生命信息及仪器工程学院 专业电子信息技术及仪器 姓名 班级 学号 指导教师

图像配准算法综述 一.前言 图像配准是指找出场景中同一物体表面的结构点在不同图像上的投影像素点之间的对应关系,是图像信息处理领域中一项非常重要的技术,同时也是其它一些图像分析技术,如立体视觉、运动分析、数据融合等的基础。 目前图像配准广泛应用于虚拟现实、视频压缩、图像复原、图像数据库检索等技术中。图像配准的研究是计算机视觉中最困难也是最重要的任务之一。不同的图像配准方法总是对应于某种适用的图像变换模型,其核心问题是提高配准的速度、精度和算法的稳健度。 随着科学技术的发展现在约40%的机器视觉应用中都会使用图像匹配技术,所涉及的领域有:工业检测,导弹的地形匹配,光学和雷达的图像跟踪,交通管理,工业流水线的自动监控、工业仪表的自动监控,医疗诊断,资源分析,气象预报,文字识别以及图像检索等。 图像匹配研究按其处理步骤可以分为样本采集、样本预处理、样本分割、样本的特征提取等,并且与计算机视觉、多维信号处理和数值计算方法等紧密结合。它也是其它一些图像分析技术,如立休视觉、运动分析、数据融合等的基础。正因为其应用的广泛性,新的应用和新的要求逐步产生,使得匹配算法的研究逐步走向深入,出现了快速、稳定、鲁棒性好的匹配算法。因此,研究图像的匹配算法对于如何提高实际工程中的图像处理质量和识别精度具有非常重要的意义。 本文主要分析图像匹配常用方法的优点和不足之处,讨论了图像匹配中需要进一步研究和解决的问题。 二.图像配准算法的研究现状 图像配准是立体视觉、运动分析、数掘融合等实用技术的基础,在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域有重要的应用价值。国内外学者针对不同的图像配准应用问题进行了大量的研究工作,早在1992年英国剑桥大学的Lisa Gottesfeld Brown在文献[1]习中就总结了图像配准的主要理论及图像配准在各个领域的应用。当时他讨论的图像配准技术主要还是著眼于医学图像处理、遥感图像处理等传统应用领域。图像配准是图像镶嵌技术的核心问题。 微软研究院的Richard Szeliski在1996年SIGGRAPH上提出了基于运动模型的全景图拼接算法[7]。Szeliski采用了非线性优化的方法来最小化像素两幅图像的亮度差以确定变换参数。该方法使用了全部像素进行优化处理,所以配准精度较高,但是计算速度较慢,且稳健性不佳。 国内的赵向阳。杜立民在2004年提出了一种基于特征点匹配的图像自动拼接算法[2],其中使用了Harris算法[3]提取角点并进行匹配。赵的算法采用了鲁棒变换估计技术,在一定程度上提高配准算法的稳健性,但是计算速度依然较慢,且无法配准重

多模态医学图像非刚性配准算法研究综述

多模态医学图像非刚性配准算法研究综述 夏仁波 中国科学院沈阳自动化研究所 医学影像技术的高度发展给临床医学提供了X射线、超声、计算机断层成像(CT)、数字减影血管造影(DSA)、单光子发射断层成像(SPECT)、磁共振成像(MRI)、正电子发射断层成像(PET)等多种模态的影像信息。每种模态都有其优缺点,例如CT可以清楚地显示出体内脏器和骨骼的解剖结构,但不能显示功能信息。PET 是一种无创性的探测生理性放射核素在机体内分布的断层显像技术,是对活机体的生物化学显像,反映了机体的功能信息,但是图像模糊,不能清楚地反映形态结构。由于成像原理不同造成的图像信息局限性,使得单独使用某一类图像的效果并不理想,而多种图像的利用又必须借助于医生的空间想象力和推测去综合判定他们所要的信息,其准确性受到主观影响,更重要的是一些信息可能被忽视。解决这个问题的办法是通过空间变换将两幅图像映射到同一坐标系中,使相应器官的影像在空间中的位置一致,可以同时反映形态和功能信息。而求解空间变换参数的过程就是图像配准。在配准过程中,其中的一幅图像保持固定,称为参考图像(Reference Image),与参考图像进行匹配的图像称之为浮动图像(Floating Image)。医学图像配准是信息科学、计算机图像技术和当代医学等多学科交叉的一个研究领域,在病灶定位、PACS 系统、放射治疗计划、指导神经手术以及检查治疗效果上有着十分重要的应用价值。 按空间变换关系,图像配准可被归为两个大类: 刚性配准(Rigid Registration)和非刚性配准(Non-rigid Registration) 变换,非刚性配准包括仿射、射影和弹性变换等。刚性配准通常假设图像获取过程中目标组织的解剖和病理结构不发生变形或者扭曲,例如,由于受头颅的约束,同一病人的大脑图像被认为只存在刚性变换。“刚性”假设简化了配准的复杂度,经过几十年的发展,刚性配准算法已经比较成熟,但目前的算法对初值非常敏感。另一方面,虽然在一般情况下刚性配准足以描述两幅图像之间的空间变换,然而,许多时候并不能满足临床的需要,因为很多形变的性质是非刚体、非线性的。比如MRI 图像常常伴有组织磁化系数差异、非水分子的化学位移以及血液流动等因素导致的几何畸变以及由于磁场不均匀、磁场梯度非线性及涡流等导致的探测畸变。因此在放疗计划制定中,CT 与MRI 图像配准时,不能单纯地使用刚体配准。尤其对一些特殊部位,比如鼻咽部,由于软组织和空气的磁化系数差异大约为105,会引起10ppm 的磁场变化,从而导致大于5mm 的几何畸变。此时,为了得到满意的结果,必须使用非刚性配准。相对刚性配准,非刚性配准还是一个方兴未艾的课题。采用现有的非刚性算法配准两幅2D的医学图像,一般需要几十分钟,处理 3D图像时,更是多达几个小时。计算量过大已成为非刚性配准算法在临床应用中的最大障碍之一。此外,在处理噪声图像时,特别是处理局部

基于Demons算法的图像配准研究 5.10_修改

基于Demons算法的图像配准研究 摘要 图像配准实质上是评价两幅图或多幅图像的相似性以确定同名点的过程,其作为图像处理中的一个基本问题,同时也是众多图像分析和处理任务的关键步骤,被广泛应用于医学、军事、遥感、计算机视觉等众多领域,严格地说, 图像配准问题就是将位于不同坐标系下同一场景的二幅或多幅图像,寻找一种特定的最优几何变换,将两幅或多幅图像变换到同一坐标系的过程。图像配准算法则是设法建立两幅或多幅图像之间的对应关系,确定相应几何变换参数,对两幅图像中的一幅进行几何变换的方法,是图像配准最关键的技术,直接决定图像配准的准确性。本文在学习了解了现有的图像配准算法后,主要针对重要的图像配准算法—Demons算法,通过研究原始Demons算法、Active Demons算法和Symmetric Demons算法的基本原理和各自在图像配准中的应用,对三种算法的性能进行对比分析,确定三种算法的优缺点,进而找到影响图像配准结果的根本原因。 关键词:图像配准原始的Demons算法Active Demons算法Symmetric Demons算法 Abstract Image registration is to determine corresponding point evaluation two pictures or images virtually, as a basic problem of image processing, meanwhile, it is also the key steps of many image analysis and processing tasks. It is widely used in medical, military, remote sensing, computer machine vision fields. Strictly speaking, the problem of image registration is finding a certain optimal geometric transformation to make two or more images in different coordinate systems transform into the same coordinate system. Image registration algorithm is trying to establish the correspondence between two or more images, determining the corresponding geometric parameters. It is the key of image registration It also directly determines the accuracy of image registration. On the base of understanding of the existing image registration algorithms .The

非刚性医学图像配准算法的设计与实现

【关键词】医学图像;非刚性;图像配准;匹配矩阵;薄板样条 摘要:非刚性图像匹配问题已成为医学图像分析中一个非常具有挑战性的问题。基于薄板样条插值方法 ,引入实匹配矩阵,并给出相应配准变换算法,该算法将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。与其它非刚性匹配算法相比,该算法不仅保证了对应特征点的双向对应,也实现了自动特征点选择,实验结果令人满意。编辑。 关键词:医学图像;非刚性;图像配准;匹配矩阵;薄板样条 1引言 在医学诊断和治疗过程中,常需要对比分析多幅图像,以获得更为精确和全面的信息。图像分析大都要求多幅图像的几何位置一致,因此,配准是医学图像分析的一个重大课题。医学图像配准是指对于一幅医学图像寻求一种(或一系列)空间变换,使它与另一幅医学图像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。图像配准不仅可以校正病人多次成像间的位置变化,也可以校正由于成像模式本身导致的畸变。对同一个病人的不同时间的图像进行配准,可以了解发育过程及肿瘤病变的病情;对不同人的图像进行配准,去除种族、年龄等临床及遗传差异,从而形成疾病或人群特异性图谱,可用于正常与否的分析;对不同成像模式进行配准,可以获得互补信息。 医学图像配准可分为刚性配准和非刚性配准两类。刚性配准在许多情况下不能满足临床的需要,因为很多形变的性质是非刚体、非线性的。比如为了精确定位mr图像左心室,常常伴有组织磁化系数差异、非水分子的化学位移以及血流流动等因素导致的几何畸变以及由于磁场不均匀、磁场梯度非线性及涡流等导致的探测畸变,因此在放疗计划制定中,将mr图像配准时,不能单纯地使用刚性配准,必须使用非刚性配准。 非刚性配准算法可分为灰度驱动、模型驱动及混合算法三种[1~3]。灰度驱动方法基于数学或统计尺度将一个灰度模式与另一个对准。典型情况下,需要定义源系统与目标系统之间的灰度相似性的数学量度。灰度相似性测度包括象素灰度的均方差、相关或互信息。模型驱动方法首先建立明确的几何模型,以此表示解剖标志。这些解剖标志包括有重要功能的表面、曲线和点。将源系统的解剖标志参数化,与目标系统的对应部分对准,以这种对应关系引导系统其余部分的变换。模型驱动算法包括点约束法、线约束法和面约束法。混合算法是结合使用以上两种算法的方法。薄板样条插值方法是非刚体变换中的一种特殊的变换,它允许局部调整,并符合某种连续性或平滑性要求。第2节讨论刚性能量函数;第3节给出非刚性能量函数;第4节设计并实现一个非刚性配准算法;最后给出实验结果。 2刚性能量函数 本研究之所以采用薄板样条,是因为它的独特性质,就是能够将空间变换分解为一个全局仿射变换和一个局部非仿射变换。booksteein[4]首先将薄板样条函数应用于标志点的匹配,结果证明它是一个非常有用的形状分析工具。假设在二维空间,已知两个具有n对对应点的点集,q={qi,i=1,2,…,n}和p={pi,i=1,2,…,n},将点集q,p表示为: q=1 x1 y1 1 x 2 y2 ……… 1 xn ynp=1 x1 y1 1 x 2 y2 ……… 1 xn yn 下面我们建立从点集p到点集q的薄板样条映射f(pi),由于薄板样条是不对称的,因此从

浅谈医学图像配准研究

浅谈医学图像配准研究 【摘要】随着现代医学影像技术的快速发展,越来越多的影像设备应用于临床,而不同设备采集的图像参数往往是不一样的,因此,要想将病变部位的各种不同情况在一张图像上体现出来,研究图像配准技术就是相当必要的,它能够将两幅图像中的信息综合起来,非常具有现实意义。本文从医学图像配准的概念、发展现状、分类及应用等方面进行了阐述。 【关键词】医学图像配准;多模态;医学影像技术 1.医学图像配准概述 医学图像配准是指将来自不同形式的探测器(如MRI,CT,PET,SPECT 等)的医学图像,利用计算机技术实现对于一幅医学图像寻求一种或者一系列的空间变换,使它与另一幅医学图像上的对应点达到空间上的一致。通俗地讲,医学图像配准就是对参考图像进行一系列的空间变换,使得参考图像和浮动图像中的对应点在空间位置或者解剖位置上达到一致[1]。主要包含4个模块:几何变换、插值算法、相似性测度和寻优算法。医学图像配准是医学图像处理的一个重要研究领域,被广泛应用于手术导航、病变跟踪以及治疗后期评估等临床诊断治疗中。 2.医学图像配准研究的现实意义 随着新型传感器的不断涌现,人们获取图像的能力迅速提高,不同物理特性的传感器所产生的图像也不断增多。由于成像原理以及成像设备的不同,造成成像模式的不同,按照不同成像模式提供信息的不同,医学图像可以分为解剖结构图像和功能图像两大类。单一模态的图像往往很难提供足够的病理信息,让医生作出病理诊断,常常需要将同一病人的多种成像模式的图片综合起来进行分析,以便获得病人更全面的信息,如X 射线断层扫描(CT,Computed Tomography)对骨骼信息的揭示是其他成像手段所不能比拟的,而要查看软组织结构信息,则会选择核磁共振成像(MRI,Magnatic Resonance Imaging);利用PET、SPECT 获得功能信息,再综合CT、MRI的解剖信息分析。这种把各种成像模式的图像信息融合成一种新的影像模式的技术称为图像融合技术,经过融合后的图像克服了各种单一模式图像信息存在的不足。而在图像融合之前首先要经过图像的配准,配准结果的好坏直接影响图像融合的质量。因此,医生要想全面的了解病变组织的情况,必须准确的对多幅图像进行配准才能融合,进而制定出更加合理的治疗方案。因此,以图像配准技术为基础将多种模态图像信息融合起来,充分利用不同模态图像的优越性,将人体解剖结构信息以及功能代谢信息在同一副图像中表达出来,更有利于医生做出准确、可靠的诊断。 3.医学图像配准的发展现状 图像融合技术诞生于上世纪80年代,是指对多幅源图像的信息进行提取。

相关文档
最新文档