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
配准。2维图像间配准相对简单，指单独两个平面图像间的配准，2D/3D，3D/3D，4D/4D 图像间配准比较复杂，主要是由于配准参数多，数据量大。
2、配准基准的特性
通常，图像配准中根据配准基准的特性，可分为基于外部基准的配准和基于内部基准的配准，外部基准是指强加于待配准对象的各种人造标记，这些标记必须在各种配准模式中都清晰可见且可准确检测到。内部基准是指由图像本身得到的位置相对固定且图像特征明晰的各种配准标识。
3、变换特征
设f1 和f2 表示两幅待匹配的图像，I1（x）=I1（x,y）和I2（x’）=I2（x’,y’）分别表示两幅图像的密度函数，其中x=（x,y）和x’=（x’,y’）分别表示在图像D1 和D2中的像素坐标。图像匹配就是要找到一个把图像f1 映射到图像f2 的变换M（x）=（U（x,y），V（x,y）），使得变换后的图像I3（M（x））和I2（x’）具有几何对应性。这种映射变换有刚体变换、仿射变换、投影变换以及曲线变换等。
4、变换区域
配准时的变换区域根据实际需要又分为局部配准和全局配准。局部变换一般很少直接使用，因为它会破坏图像的局部连续性，且变换的双映射性会影响图像的再采样。从近期关于图像配准方面的文章看，一般刚性和仿射多用于全局变换，而曲线变换多用于局部变换。5、交互性
根据人的参与程度配准又可分为全自动式、交互式和半自动式三种。全自动式中使用者仅需给相应算法提供图像数据以及图像获取的一些可能信息；交互式中使用者必须亲自进行配准，软件仅给目前变换提供一个可视的或数字的感官印象以及初始变换的一个可能参数；半自动式中，交互有两种方式：一种是使用者须初始化算法，如分割数据，另一种是指导算法，如拒绝或接受配准假设。
6、最优化程序
配准变换的参数可以是直接计算出的，也可以是搜索计算出的。直接计算的最优化方法一般已完全由实例决定，所能研究的工作也仅限于如何使用非常少的信息把此计算方法应用于实际。搜索计算的最优化方法大多都可以用待优化的变换参数的一个标准数学函数来表达配准实例，此函数力图使图像在某一变换时两幅图像可达到最大相似。这些函数通常在单模配准中能简单一些，因为此时图像的相似性更能容易直接定义。我们可以通过使用一个标准的、合适的最优化方法使相似函数达到最优。目前应用比较广泛的方法有Powell 的方法、Downhill Simplex 方法、Brent的方法以及一系列一维搜索算法、Levenberg2M arquardt 最优化算法、Newton2Raph son 迭代算法、stochastic 搜索算法、梯度下降法（gradient descent methods）、遗传算法（genetic methods）、模拟退火法（simulated annealing），粒子群算法（particle sworm ），蚁群算法（ant），几何散列法（geometric hashing）以及quasi2exhaustive 搜索算法。多分辨率（如金字塔）和多尺度方法可以加速最优化的收敛速度。许多实际应用中使用了不止一种最优化方法，一般是先使用一种粗糙但快速的算法，然后再接着使用一种准确但运算速度慢的算法。
7、图像成像模式
有单模和多模等，单模（monomodality）图像配准是指待配准的两幅图像是用同一种成像设备获取的。多模（multimodality）图像配准是指待配准的两幅图像来源于不同的成像设备。
五、图像配准的步骤
图像配准的基本过程可以分为三个步骤：第一步是为每一个图像信息模式各定义一个坐标系F（X，Y），然后再定义这些坐标系之间的关系；第二步是分割出图像的参考特征，再定义这些参考特征之间的失调或相似函数；第三步是应用优化算法，使第二步中的失调（相似）函数达到全局最小（最大）值，达到两幅图像的配准。其中参考特征和对应优化算法的选择是配准的核心，也是不同配准算法的差异所在。
六、图像配准的方法
近年来发展的配准精度相对较高的图像配准方法有互相关法，最大互信息法和基于小波变换的图像配准法。
1、互相关法
对于同一物体由于各种图像获取条件的差异或物体自身配准的效果。互相关法的思路是找出使各图像之间相关性最大的空间变换参数来实现图像的配准。该方法发生的空间位置的改变而产生的单模图像配准问题常常应用互相关法。在互相关法中互相关值的大小反映了通过优化两幅图像间的相似性测度来估计空间变换参数（刚体的平移和旋转参数），采用的相似性测度可以是多种多样的，例如相关系数，差值的平方和及相关函数等。
由于要对每种变换参数可能的取值都要计算一次相似性测度，互相关法的计算量比较庞大，因此近年来发展了快速搜索算法，例如，用相位相关傅立叶法估算平移和旋转参数；用遗传算法和模拟退火技术减少搜索时间和克服局部极值问题。尤其注意的是互相关法受到不同模态成像特点的影响，例如同一物体在不同的模态图像中表现出纹理和密度的非线性差异，使相关性计算无意义，故互相关性法主要局限于单模图像配准。对于条件不好或曲线不完全闭合的图像配准，Kaneko等提出了一种选择性相关系数法（selective correlationcoefficient 即SCC），SCC实际上是CC 的扩展，SCC 在每次计算时都要计算额外的系数，与CC相比计算量较大，但因为其计算时间仅仅依靠两幅图像灰度的比较过程，故其代价非常小甚至可以忽略不计。
2、最大互信息法(Maximization of Mutual Information)
互信息是信息论的一个基本概念，是两个随机变量统计相关性的测度。如果两幅图像几何上对齐的话，它们对应体素对的强度值的互信息最大。由于该方法不需要对两种成像模式中图像强度间关系的性质作任何假设，也不需要对图像作分割或任何预处理，所以被广泛地用于CT－MR、PET－MR 等多种配准工作。最大互信息法几乎可以用在任何不同模式图像的配准，特别是当其中一个图像的数据部分缺损时也能得到很好的配准效果。当含有相同内容的两幅图像通过几何变换在空间对齐时，它们所包含的灰度值的互信息量最大。因此最大化的互信息量可以作为图像配准准则。
基于最大互信息的配准过程实质上是搜索最佳的几何变换参数，使两幅图像的互信息达到最大。最大互信息的计算涉及大量的浮点运算，所以其配准过程复杂费时，另外当平移距离为像素的整数倍时，插值算法会在其邻近点上产生离散误差，致使目标函数产生局部极值，如果不采用有效的优化方法和改进插值算法来消除目标函数的这些局部极值，有可能产生错误的配准结果。因此该方法常常和优化方法相结合使用。互信息作为一种图像相似性测度目前被公认为是配准精度和鲁棒性最好的回溯性配准方法之一。该法用整幅图像的所有像素共同组成特征空间，再根据特征空间确定一种空间变换，使一幅图像经过该变换后和另一幅图像的互信息最大，最终实现配准。
互信息（Mutual information, MI）是信息论中的一个测度，用于描述两个变量间的统计相关性，或一个变量中包含的另一个变量中的信息的多少，表示两个随机变量之间的依赖程度，一般用熵来表示。熵表达的是一个系统的复杂性和不确定性。
变量A 的熵定为：
●H(A)= （1）
●H（A，B)=
●（2）
将待配准的两幅医学图像定义为浮动图像A 和参考图像 B ，它们是关于图像灰度的两个随机变量集。
设它们的边缘概率分布分别为PA（a）、PB（b），联合概率分布PAB （a,b），则它们的互信息MI （A,B）为：
MI（A , B）= H（A）+ H（B）- H（A ，B）
=
（3）
当两幅图像的空间位置达到一致时，其中一幅图像表达另一幅图像的信息，即其互信息应为最大。继互信息测度提出后，学者们对基于Shannon熵的方法做了进一步的研究，相继提出了比互信息更为稳定的，其它一些形式的熵测度，称为归一化的互信息，例如Studholme 提出了归一化互信息测度（nrimalized mutual information，NMI）：
NMI（A，B）=
3、基于小波的医学图像配准技术
近年来图像配准的重要发展之一是采用小波变换进行图像局部特征提取，该方法的关键技术是二维离散小波分解。设在x，y平面内的二维图像f（xi，yi），基于二维离散小波变换的图像分解是将该原始图像在某一尺度上分别在x，y方向上进行小波分解，每次分解后的低频部分用L表示，高频部分用H 表示。
在某一尺度上，图像可以经过x方向和y方向的离散小波变换后分解为4个子图像，在x 方向和y方向都是低频子图像fLL（xi，yi）在x方向和y方向都是高频子图像fHH（xi，y i），在x方向是低频，在y方向是高频的子图fLH（xi，yi）和在x方向是高频y方向是低频的子图像fHL（xi，yi）。低频子图像给出了原图像的概貌，高频子图像给出了原图像的细貌。对于二维正交小波变换有其快速算法－Mallat算法，它把小波变换的计算问题转化为小波变换后系数的计算问题：在实际操作中，给出M+1尺度层上的离散采样值{fM+1（m，n）}数据，要计算M尺度层上的小波变换系数，即分解算法的问题。基于小波变换的图像配准技术具有多分辨率分析的优势，能够提高配准的速度。
【参考文献】
[1]倪国强，刘琼. 多源图形配准技术分析与展望[J]. 光电工程，2004（31）.
[2]覃征，鲍复民，李爱国. 杨博，弓亚歌. 数字图像融合[M]. 西安：西安交通大学出版社，2004.
[3]高智勇. 基于互信息的医学图像配准实验[J]. 生物医学工程学杂志，2003，20（3）.
[4]何立新，罗晓晖，高琳. 医学图像配准的新方法[J]. 四川工业学院学报，2004（23）
[5]李一凡, 基于图像配准的文档图像校正技术研究, 2012, 北方工业大学. 第52页.
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
图像配准技术研究进展
第１４卷第６期２００７年１２月 电光与控制 ＥＵ￡ＣＴＲＯＮＩＣＳＯＰＴＩＣＳ＆ＣＯＮＴＲＯＬ Ｖ０１．１４№．６ Ｄｅｅ．２００７ 文章编号：１６７１—６３７Ｘ（２００７）０６—００９９—０７ 图像配准技术研究进展 刘松涛，杨绍清 （海军大连舰艇学院信息与通信工程系，辽宁大连１１６０１８） 摘要：图像配堆是解决图像融合、图像镶嵌和变化检测等问题的必要前提。其应用遍及军事、遥感、医学和计算机视觉等多个领域。筒要回顾了图像配准技术的发展史和研究现状．重点阐述了当前的技术热点和应用趋势，最后展望了进一步的研究方向。 关键词：图像配准；信息论；非刚性配准；虚拟结构 中图分类号：Ｖ２４３．６文献标识码：Ａ Ｐｒｏｇｒｅｓｓｉｎｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓ ＬＩＵＳｏｎｇ—ｔａａ，ＹＡＮＧＳｈａｏ—ｑｉｎｇ （Ｏｅｐｔ．ｏｆＩｎｆｏｒｍａｔｉｏｎ＆ＣｏｍｍｔｍｉｃｄｉｏｎＥｔ，ｇ泌ｒｉｔ，．ｇ，ＤａｆｉａｎＮａｖａｌＡｃａｄｅｍｙ，Ｄａｌｉａｎ１１６０１８，舀白Ⅺ） Ａｂｓｔｒａｃｔ：Ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｉｓｅｓｓｅｎｔｉａｌｆｏｒａｌｌｉｍａｇｅａｎａｌｙｓｉｓｔａｓｋｓｌｉｋｅｉｍａｇｅｆｕｓｉｏｎ，ｉｍａｇｅｍｏｓａｉｃａｎｄｃｈａｎｇｅｄｅｔｅｃｔｉｏｎ．Ｉｔｉｓｕｓｅｄｗｉｄｅｌｙｉｎｍｉｌｉｔａｒｙｓｙｓｔｅｍ，ｍｅｄｉｃａｌｉｍａｇｉｎｇ，ｒｅｍｏｔｅｓｅｎｓｉｎｇ，ｃｏｍｐｕｔｅｒｖｉｓｉｏｎ，ｅｔｃ．Ｔｈｅｈｉｓｔｏｒｙａｎｄｃｕｒｒｅｎｔｅｔａｔｕｓｏｆｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎｔｅｃｈｎｉｑｕｅｓｆｉｒｅｒｅｖｉｅｗｅｄｋｅｆｌｙｗｉｔｈｅｍｐｈａｓｉｓｏｎｉｔｓｃｕｒｒｅｎｔｔｅｃｈｎｉｃａｌｈｏｔｓｐｏｔｓａｎｄａｐｐｌｉｃａｔｉｏｎｔｒｅｎｄｓ．Ｓｏｍｅｉｎｔｅｒｅｓｔｉｎｇａｓｐｅｃｔｓｆｏｒｆｕｒｔｈｅｒｓｔｕｄｙａ”ｐｏｉｎｔｅｄｏｕｔｉｎｔｈｅｅｎｄ． Ｋｅｙｗｏｒｄｓ：ｉｍａｇｅｒｅｇｉｓｔｒａｔｉｏｎ；ｉｎｆｏｒｍａｔｉｏｎｔｈｅｏｒｙ；１１０ｎ—ｒｉｇｉｄｒｅｇｉｓｔｒａｔｉｏｎ；ｖｉｒｔｕａｌｓｔｒｕｃｔＵｒｅ ０引言 图像配准是许多应用问题必须的预处理步骤，比如：时序图像的变化检测或多模图像融合，这些问题遍及军事、遥感、医学、计算机视觉等多个领域。许多领域都需要图像配准，实际应用过程可能会有所不同，但其中关键的因素是类似的。概括地说，图像配准是对取自不同时间、不同传感器或者不同视角的同一场景的两橱或多幅图像进行最佳匹配的过程，包括像素灰度匹配和空间位置对齐。 配准方法的分类可以依据不同的准则。Ｂｒｏ．ｗｎ…依据变换模型的复杂程度对配准方法进行分类，并归纳了配准技术的实现步骤：特征空问、相似度测量、搜索空间和策略。Ｍａｉｎｔｚ”１等则提出了９ 收稿日期：２００６—０３—０９修回Ｅｔ期：２００６—０５—１５ 基金项目：国防预研基金资助项目（５１４０３０３０６０４ＪＢｌ４０Ｉ）；国家自然科学基金资助项目（６０５７２１６０） 一 作者简介：荆松涛（１９７８一），男，河南孟津人，博士，主要研究方向为图像融合、耳标识别、成像跟踪、ＤＳＰ开发 等。条分类准则，依次为：图像维数、配准特征的来源、变换模型、坐标变换域、交互性、优化策略、成像模式、配准对象、配准目标的特点等。作者参考Ｂｒｏｗｎ和Ｍａｉｎｌｚ的分类方法，将配准技术概括为８个方面，包括：配准对象、特征提取、特征匹配、变换模型、优化策略、坐标变换与插值、系统实现及算法评估，并考虑每项内容的技术特性进行细分，然后依据某一算法的创新点进行分类。囊括所有方法的分类准则是不存在的，所提方法侧重于从总体上对配准方法进行考察，是一种相对能反映配准方法本质特征的分类方法。依据新的分类准则，作者已对图像配准技术的８个子方向进行了系统研究ｕＪ。 １发展史和研究现状 国外从２０世纪６０年代就开始在图像配准领域进行研究“】，但直到１９８０年代才开始引起学者们的关注。到上世纪末，单模图像配准问题已基本解决，但多模图像配准由于涉及模式和领域的复杂性．仍需密切关注。国际上对图像配准技术曾做过调查”】，其结论是１９９０年代初技术文献明显增加。而
医学图像处理综述
医学图像处理综述 墨南-初夏2010-07-24 23:51:56 医学图像处理的对象是各种不同成像机理的医学影像。广泛使用的医学成像模式主要分为X射线成像(X—CT) ，核磁共振成像(MRI)，核医学成像(NMI)和超声波成像(UI) 这四类。 （1）x射线成像：传统x射线成像基于人体不同器官和组织密度不同。对x射线的吸收衰减不同形成x射线影像。（例如人体中骨组织密度最大，在图像上呈白影，肺是软组织并且含有气体，密度最低，在照片上的图像通常是黑影。）常用于对人体骨骼和内脏器官的疾病或损伤进行诊断和定位。现代的x射线断层成像(x—cT) 发明于20世纪70年代，是传统影像技术中最为成熟的成像模式之一，其速度已经快到可以对心脏实现动态成像。其缺点是医生要在病人接收剂量和片厚之间进行折衷选择，空间分辨率和对比度的还需进一步提高。 （2）核磁共振成像(MIR) 发展于20世纪70年代，到80年代才进入市场，这种成像设备具有在任意方向上的多切片成像、多参数和多核素成像、可实现整个空问的真三维数据采集、结构和功能成像，无放射性等优点。目前MRI的功能成像(fMRI) 是MIR设备应用的前沿领域，广泛应用于大脑功能性疾病的诊断,并为肿瘤等占位性病变提供功能信息。MRI 受到世人的广泛重视，其技术尚在迅速发展
过程中。 （3）核医学成像(NMI ) ，目前以单光子计算机断层成像(SPECT) 和正电子断层成像(PET) 为主，其基本原理是向人体注射放射性核素示踪剂，使带有放射性核素的示踪原子进入人体内要成像的脏器或组织通过测量其在人体内的分布来成像。NMI不仅可以提供静态图像，而且可提供动态图像。 （4）超声波成像(Ultrasonic Imaging ) ，属于非电离辐射的成像模态，以二维平面成像的功能为主，加上血液流动的彩色杜普勒超声成像功能在内，在市场上已经广泛使用。超声成像的缺点是图像对比度差、信噪比不好、图像的重复性依赖于操作人员。但是，它的动态实时成像能力是别的成像模式不可代替的 在目前的影像医疗诊断中，主要是通过观察一组二维切片图象去发现病变体．这往往需要借助医生的经验来判定。至于准确地确定病变体的空间位置、大小、几何形状及与周围 生物组织的空间关系，仅通过观察二维切片图象是很难实现的。因此，利用计算机图像处理技术对二维切片图象进行分析和处理。实现对人体器官，软组织和病变体的分割提取，三维重建和三维显示，可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分
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
医学切片图像的配准
中国科学技术大学 硕士学位论文
University of Science and Technology of China A dissertation for master’s degree
中国科学技术大学学位论文原创性声明 本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。 作者签名：___________ 签字日期：_______________ 中国科学技术大学学位论文授权使用声明 作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。 保密的学位论文在解密后也遵守此规定。 □公开 □保密（____年） 作者签名：_______________ 导师签名：_______________ 签字日期：_______________ 签字日期：_______________
摘 要 医学影像处理是一个具有很强应用前景的研究领域，在医学诊断、临床治疗等方面起着重要的作用。其研究内容是对所采集获取的医学数据（包括CT、MRI、PET及组织切片图像）进行分析、变换、显示等操作，以使人们能清楚地认识蕴涵在数据中的复杂结构。 由于制片和图像采集等原因，序列数字切片图像的每两层间都会存在错位现象，即平移和旋转等变换。基于切片数据的建模分析，其第一步就要对上下相邻层切片图像进行配准，即通过图像的几何变换来完成校准。本文将从图像边缘曲线匹配的角度来处理医学切片数据（人体躯干部位）相邻层之间的配准校正问题。 本文首先综述两种基本的医学图像配准方法：基于点的刚体变换配准算法、最大互信息法。在此基础上，我们给出一种新的医学切片图像数据匹配方法。第一步，计算图像的加权质心，求得图像的PCA坐标轴，并将配准图与参考图坐标轴重合，从而给出图像的全局粗匹配。第二步，在配准图像边缘取采样点，确定其在参考图中的最近点并计算过该点的切线和法向量，并由采样点到参考图的切向距离极小化(TDM)模型求出相应几何变换，通过迭代获得局部精细配准。 数值实验表明，本文所提的匹配方法能很好地实现医学切片数据相邻层之间的高精度配准，而且相对于其它方法（如最大互信息法）可较大程度地减少计算量。
配准综述
图像配准是对取自不同时间，不同传感器或者不同视角的同一区域的两幅或者多幅图像进行匹配叠加的过程。随着技术手段的不断发展，人们对图像配准的要求也越来越离。包括配准方法的鲁棒性、算法的难易程度、算法的自主性等都是考量算法的指标。图像配准的方法中，有人提出过被广泛认同的四个巧骤： a．特征空间的选择 特征空间是指将运用到配准中元素的集合。特征空间包括很多方面，比如像素值，比如点、线，或者平面甚至是曲面。 b．搜索空间 搜索策略是指一系列配准变换操作的集合。搜索空间是建立在几何形变基础上的。而几何形变一般包括全局的和局部的几何形变。典型的全局变形包括平移，缩放，扭曲等变形以及它们的组合。而局部形变，对变换参数要求比较苛刻，因为某一套变换参数只能作用在局部形变区域，而其余区域需采用插值技术补充。然而，另外的变形区域则需要另外的变换参数去表述。在一般的处理中，我们将变换模型看成是一种先验知识。不然则需要考量所有的变换模型。 c．搜索策略 搜索策略是实施变换的依据。它的存在是为了找寻变换模型的最优解。常用的搜索策略有松弛模型法、牛顿法和共扼梯度法。 d．相似性度量 相似性度量是对采用的变换模型的评价。相似性度量主要是采用参考图像和配准图像之间的共有的特征之间的差异比较的方法来评价配准的情况。这其中的差异可以包括点位的误差，或者是灰度值相关的差异，还可以是在变换域之间的差异值等等。最常见的相似性度量是检测特征的欧氏距离。 上述的几个步骤构成了图像配准的基本框架。许许多多的算法充斥其中产生了种类繁多的配准方法。下面主要介绍下几种典型的配准算法。目前典型的配准算法中大致可分成基于灰度、基于特征和基于模型的方法。 基于灰度的配准算法 基于灰度的算法中，重点是对图像配准的过程上，而不是特征集的选择
关于图像匹配的综述
关于图像匹配的综述 1.图像匹配的背景及定义 1.1图像匹配的背景及意义 图像匹配技术广泛的应用于日常生活中的诸多领域，如医疗诊断中各种医学图片的分析与识别、遥感图片识别、天气预报中的卫星云图识别、指纹识别、人脸识别等。图像匹配技术主要指通过计算机，采用数学技术方法，对获取的图像按照特定目的进行相应的处理。图像匹配技术是人工智能的一个重要分支和应用，随着计算机技术及人工智能技术的发展，图像识别技术逐渐成为人工智能的基础技术之一。它涉及的技术领域相当的广泛，也越来越深入，其基本分析方法也随着数学工具的不断进步而不断发展。现在，图像识别技术的应用范围己经不仅仅局限于视觉的范围，也体现在机器智能和数字技术等方面。 1.2图像匹配的定义 所谓图像匹配是指在一幅(或一批)图像中寻找与给定目标图像相似的图像或者图像区域(子图像)的过程。通常将已知目标图像称为模板图像，而将待搜索图像中可能与它对应的子图称作该模板的待匹配的目标图像。图像匹配是在来自不同时间或者不同视角的同一场景的两幅或多幅图像之间寻找对应关系，该技术隶属于计算机视觉哺领域。图像匹配的具 体应用包括目标或场景识别、在多幅图像中求解3D结构、立体对应和运动跟踪等。由于拍摄时间、拍摄角度、自然环境的变化，多种传感器的使用、传感器本身的缺陷及噪声等影响，拍摄的图像会存在灰度失真和几何畸变。同时，图像预处理过程会引入的误差，这都是导致模板图像与待匹配的目标图像之间通常存在着一定程度上的差异。在这种情况下，如何使匹配算法精度高、正确匹配率高、速度快和抗干扰性强成为人们关心的问题。 2.图像匹配算法的分类 图像匹配算法的选取对图像匹配结果的影响很大。实用的匹配算法不仅要求计算量小，还必须具有良好的抗噪能力和抗几何形变的能力。通常情况下，图像匹配算法可以分为以下两大类：基于灰度相关的匹配算法、基于特征的图像匹配算法。 1) 基于灰度分布的相关匹配算法，也称为基于区域的匹配方法。常见的基于图像灰度的匹配方法有：（1）归一化灰度相关匹配、（2）最小二乘影像匹配、和（3）序贯相似性检测法匹配等。该类算法直接利用整幅图像的灰度信息，建立两幅图像之间的相似性度量，然后采用某种搜索方法，寻找使相似性度量值最大或最小的变换模型的参数值。在灰度及几何畸变
图像匹配综述上课讲义
图像匹配综述
图像匹配综述 摘要：主要从图像匹配技术的概念、一般性描述及图像匹配技术的技术分类对图像匹配进行描述，在图像匹配技术的分类中，对各个方法的优缺点进行了详细的说明。 关键词：图像匹配；一般性描述；分类 随着科学的飞跃发展，近年来图像匹配技术在许多方面有着非常重要的应用，尤其是在医学方面、运动物体的跟踪、计算机视觉、天气预报以及各种资源分析等方面运用非常广泛。本文对图像匹配进行综述，以便读者对其有个粗略的了解。 一、图像匹配的概念 图像匹配的概念：在两幅图像中，从一幅图像中寻找与另一幅具有相同或相似的过程。 二、图像匹配的一般性描述 图像匹配可以描述为：假设给定大小分别为m×m和n ×n像素图像h1（x，y）及h2（x，y），它们的映射关系为： h2（x，y）=g（h1（a（x，y）），（2-1） 式（2-1）中，符号a是二维或者多维的几位变换（x′，y′）=a（x，y），符号g为一维或者多维图像的亮度变换。匹配图像问题的实质是寻找两幅图像的最佳几何变
换a和亮度变换，最终的目的是使预先定义的那种测度为最小值或者达到最大值，以达到两幅待匹配图像的匹配。匹配图像的关键主要是下列因素选择的一个组合：待匹配图像的特征空间、相似度、几何变换类型和参数的搜索策略。 下表2-1给出了待匹配图像的特征空间、相似度及搜索策略的几个主要要素及它们对应的内容。 表2-1 待图像匹配的三个关键因素 三、图像匹配技术的分类 图像匹配技术算法分类很多，但都遵守这样的基本原则：（1）算法必须是有效的。（2）算法必须是稳定的，当待匹配的图像发生旋转、尺度伸缩及被遮挡时，此种算法仍能使用。（3）算法必须是快速的。 1.基于图像灰度相关的匹配方法 基于图像灰度匹配算法是利用整幅图像的灰度信息进行匹配的方法。 几种常见的算法有平均绝对差算法、归一化积相关算法、互信息匹配算法、傅立叶相关算法等。下面简要介绍以下这几种算法： （1）平均绝对差算法 平均绝对差算法是这样定义的： d（x，y）= s（i+x，j+y）-T（i，j）（3-1）
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
基于医学图像(脑部)配准方法研究任务书_5
本科生毕业设计（论文）任务书 医学图像（脑部）配准方法研究 题目名称 学院 专业班级 姓名 学号 指导老师 一、毕业设计（论文）的内容与要求 （课题内容应明确、详细，难度适中、工作量饱满；强调通过文献研究，找出多个解决方案并进行多方案对比；强调解决复杂工程问题；强调对现代工具的使用及局限性分析，强调对实验结果分析等；明确应用工程管理原理和经济决策方法，分析和评价解决方案对社会、健康、安全、法律以及文化的影响） 图像配准是指：将两张以上图像进行匹配，比如不同时间、不同仪器、不同位置拍摄的两张图像。医学图像配准是指：找一种几何变换方式，使两张医学图像的空间点达到相同。通俗地说，图像配准就是将两幅不同的图像进行一个“对齐”、“匹配”的操作，只有如此，将两幅图像对比才具有实际意义。 图像配准也是许多后续图像处理的预处理步骤，比如图像分割、图像融合，这两种处理方法必须建立在两幅图像已经配准的基础上。这足以说明图像配准方面的研究在临床上具有重要意义。 按空间变换类型对图像配准方法进行归纳，其主要有：刚性配准、相似变换配准、仿射变换配准、投影变换配准、可变形配准。此外还有基于灰度的配准方法，基于图像特征点的配准方法等。 在医学研究和临床治疗中，往往需要将不同模态的图像进行配准融合。我们依据配准过程中涉及到的图像模态，可以将图像配准分为单模态医学图像配准和多模态医学图像配准。当配准图像的模态都为同一模态时（比如CT与CT配准），我们称之为单模态医学图像配准；而配准图像为两种或多种模态时（比如CT与MRI配准），我们称之为多模态医学图像配准。在临床治疗和医学研究中经常会
同时使用多种模态的图像，因此多模态医学图像配准使用较为广泛，也是医学图像配准的主要研究方向。 本课题设计旨在通过大量文献调研，掌握医学图像配准的实验方法，对医学图像配准技术进行研究。从多角度对比各种配准方法的异同点，最后对配准算法进行总结归类，并对实验中的配准算法进行优缺点比较。具体任务为： 1、了解本课题研究背景、目的和意义；分析目前医学图像配准面临的主要技术问题，综述当前医学图像配准技术的研究现状；制定本课题的研究工作内容以及假设实验达到的预期结果。 2、研究掌握配准流程中各个步骤的实现方法、以及现有的各种配准算法的原理、特点。 3、制定实验流程，搭建实验编程环境及平台，目前的医学图像配准开发平台主要有ITK、Elastix、MATLAB等。收集同一部位的多组医学图像数据（如CT、MRI等）， 注：脑部医学图像数据资源较多。 4、对医学图像进行单模态配准（如：CT-CT、MRI-MRI），配准方式：刚性配准和弹性（非刚性）配准。根据实验条件，采用适合的刚性配准算法和非刚性配准算法对图像进行配准操作。对配准实验结果进行比较分析（配准算法比较、配准方式比较） 5、在第4步的实验基础上，对医学图像进行多模态非刚性配准（CT-MRI），并实现较好的配准结果。 注：在第4、5步中，需要利用可视化软件查看配准结果。 6、对上述实验得出的结果，进行讨论分析。 7、对课题进行总结与技术展望。
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
医学图像处理技术
医学图像处理技术 摘要：随着医学成像和计算机辅助技术的发展，从二维医学图像到三维可视化技术成为研究的热点，本文介绍了医学图像处理技术的发展动态，对图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。在比较各种技术在相关领域中应用的基础上，提出了医学图像处理技术发展所面临的相关问题及其发展方向。关键词：医学图像处理；图像分割；图像配准；图像融合；纹理分析 1．引言 近20 多年来，医学影像已成为医学技术中发展最快的领域之一，其结果使临床医生对 人体内部病变部位的观察更直接、更清晰，确诊率也更高。20 世纪70 年代初，X-CT 的发明曾引发了医学影像领域的一场革命，与此同时，核磁共振成像象(MRI :Magnetic Resonance Imaging)、超声成像、数字射线照相术、发射型计算机成像和核素成像等也逐步发展。计算机和医学图像处理技术作为这些成像技术的发展基础，带动着现代医学诊断正产生着深刻的变革。各种新的医学成像方法的临床应用，使医学诊断和治疗技术取得了很大的进展，同时将各种成像技术得到的信息进行互补，也为临床诊断及生物医学研究提供了有力的科学依据。 在目前的影像医疗诊断中,主要是通过观察一组二维切片图象去发现病变体,往往需要借助医生的经验来判定。至于准确的确定病变体的空间位置、大小、几何形状及与周围生物组织的空间关系,仅通过观察二维切片图象是很难实现的。因此,利用计算机图象处理技术对二维切片图象进行分析和处理,实现对人体器官、软组织和病变体的分割提取、三维重建和三维显示,可以辅助医生对病变体及其它感兴趣的区域进行定性甚至定量的分析,可以大大提高医疗诊断的准确性和可靠性。此外,它在医疗教学、手术规划、手术仿真及各种医学研究中也能起重要的辅助作用。 本文对医学图像处理技术中的图像分割、纹理分析、图像配准和图像融合技术的现状及其发展进行了综述。 2．医学图像三维可视化技术 2.1 三维可视化概述 医学图像的三维可视化的方法很多，但基本步骤大体相同，如图.。从#$ /&’(或超声等成像系统获得二维断层图像，然后需要将图像格式（如0(#1&）转化成计算机方便处理的格式。通过二维滤波，减少图像的噪声影响，提高信噪比和消除图像的尾迹。采取图像插值方法，对医学关键部位进行各向同性处理，获得体数据。经过三维滤波后，不同组织器官需要进行分割和归类，对同一部位的不同图像进行配准和融合，以利于进一步对某感兴趣部位的操作。根据不同的三维可视化要求和系统平台的能力，选择不同的方法进行三维体绘制，实现三维重构。 2.2关键技术： 图像分割是三维重构的基础，分割效果直接影像三维重构的精确度。图像分割是将图像分割成有意义的子区域，由于医学图像的各区域没有清楚的边界，为了解决在医学图像分割中遇到不确定性的问题，引入模糊理论的模糊阀值、模糊边界和模糊聚类等概念。快速准确的分离出解剖结构和定位区域位置和形状，自动或半自
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