基于改進(jìn)SURF的醫(yī)學(xué)圖像配準(zhǔn)算法研究.pdf

1、醫(yī)學(xué)圖像配準(zhǔn)是可能來自不同的時(shí)間、條件、設(shè)備的圖像，通過尋找一種空間上的變換，使其與另一幅醫(yī)學(xué)圖像配準(zhǔn)，取得空間上的對(duì)齊。如今，圖像配準(zhǔn)已被應(yīng)用到遙感圖像處理，計(jì)算機(jī)視覺等領(lǐng)域，尤其是在醫(yī)學(xué)領(lǐng)域已成為研究熱點(diǎn)。在醫(yī)學(xué)診斷中，主要依靠MRI，CT等設(shè)備提供病人的二維圖像信息，不能夠直觀的給出內(nèi)部結(jié)構(gòu)信息。而利用二維圖像重構(gòu)后獲得的三維圖像，可以準(zhǔn)確顯示出人體器官結(jié)構(gòu)特征以及空間位置，圖像配準(zhǔn)是其中的關(guān)鍵。
　　本文研究基于特征的醫(yī)學(xué)

2、圖像配準(zhǔn)。在基于特征的醫(yī)學(xué)圖像配準(zhǔn)中圖像的特征提取和匹配尤為關(guān)鍵，本文研究SURF(Speeded-Up Robust Features)算法在特征提取和匹配階段的應(yīng)用。該算法對(duì)存在平移、旋轉(zhuǎn)、縮放的圖像具有一定的魯棒性，而且由于積分圖像和盒子濾波器的引入加快了算法運(yùn)行速度。但其在醫(yī)學(xué)圖像配準(zhǔn)中進(jìn)行特征提取時(shí)提取的特征點(diǎn)數(shù)目比較少，從而導(dǎo)致了特征匹配對(duì)數(shù)目不足，往往達(dá)不到醫(yī)學(xué)圖像配準(zhǔn)的要求，并且在特征點(diǎn)匹配階段容易發(fā)生誤匹配，給后續(xù)的配

3、準(zhǔn)精度上帶來很大影響，而且對(duì)有發(fā)生仿射變換的圖像配準(zhǔn)效果差。針對(duì)以上問題，本文提出一種改進(jìn)SURF算法。在特征提取階段，建立仿射相機(jī)模型，模擬生成不同視角下的圖像序列，在圖像序列中結(jié)合盒子濾波器建立尺度空間檢測(cè)特征點(diǎn)，然后確定圖像序列中特征點(diǎn)的主方向，并生成64維特征描述子，最后將圖像序列中的特征點(diǎn)映射回原圖像，從而增加特征點(diǎn)的檢測(cè)數(shù)目;在特征點(diǎn)的匹配階段，引進(jìn)先進(jìn)的GTM(Graph Transform Matching)算法，建立兩

4、幅圖像匹配點(diǎn)的GTM圖形，通過GTM圖形計(jì)算兩幅圖像的差值鄰接矩陣，根據(jù)差值鄰接矩陣刪除錯(cuò)誤匹配點(diǎn)，完成匹配點(diǎn)的優(yōu)化，提高匹配的精確度。
　　在圖像配準(zhǔn)中，采用初步配準(zhǔn)和精配準(zhǔn)兩步配準(zhǔn)的方法。在初步配準(zhǔn)階段，通過剛體變換模型進(jìn)行圖像變換，由于直接對(duì)剛體模型求解精度比較低，本文利用遺傳算法優(yōu)化剛體變換模型的矩陣參數(shù)，對(duì)待配準(zhǔn)圖像進(jìn)行初步配準(zhǔn)。在精配準(zhǔn)階段，本文采用薄板樣條函數(shù)對(duì)經(jīng)過初步配準(zhǔn)之后的待配準(zhǔn)圖像進(jìn)行精配準(zhǔn)，提高醫(yī)學(xué)圖像配準(zhǔn)