多模医学图像配准

第八章 医学图像的配准与融合

第一节 概述

一、医学图像配准与融合的应用背景

随着计算机技术的飞速发展，与计算机技术密切相关的医学成像技术也是日新月异。但是，各种成像技术和检查方法都有它的优势与不足，并非一种成像技术可以适用于人体所有器官的检查和疾病诊断，也不是一种成像技术能取代另一种成像技术，它们之间是相辅相成、相互补充的。如CT和X线机对骨等密度较高的组织能提供高清晰的图像，MRI对人体软组织的成像具有较高的分辨率，而PET和SPECT则能够提供人体组织或器官的功能性代谢的图像。成像原理的不同造成了某一种成像模式所能提供的图像信息具有一定的局限性，有时单独使用某一类图像难以获得正确的诊断结论。因此，为了提高诊断正确率，需要综合利用患者的各种图像信息。图像配准与融合技术为医学图像的综合利用提供了很好的技术手段。

根据医学图像所提供的信息，可将医学图像分为两大类：解剖结构图像（CT、MRI、X线图像等）和功能图像（SPECT，PET等）。这两类图像各有其优缺点：解剖图像以较高的分辨率提供了脏器的解剖形态信息，但无法反映脏器的功能情况。功能图像分辨率较差，但它提供的脏器功能代谢信息是解剖图像所不能替代的，这些信息是对疾病特别是肿瘤进行早期诊断的

图像配准算法阅读笔记

一．图像配准的基本概念

图像配准主要包括四个方面：特征空间、搜索空间、相似性度量和搜索策略。

1.1 特征空间

特征空间指参考图像与浮动图像中可用于配准的特征。特征空间包括：图像的灰度值、点、边缘、曲线、曲面、不变矩等。

1.2 搜索空间

搜索空间指在配准过程中对图像进行变换的范围及变换方式。

变换范围分为三类：全局的、局部的和位移场的。全局变换是指整幅图像的空间变换都可以用相同变换参数表示。局部变换是指在图像的不同区域可以有不同的变换参数，（通常在区域的关键点位置上进行参数变换，其他位置进行插值处理）。位移场变换是指对图像中的每一像素点独立地进行参数变换，通常使用一个连续函数来实现优化和约束。

变换方式分为两种形式：线性变换和非线性变换。线性变换包括刚体变换(Rigid Body Transformation)、仿射变换(Affine Transformation)和投影变换(Projective Transformation)。非线性变换一般使用多项式函数，如二次，三次函数及薄板样条函数，指数函数等表示。

1.3 相似性度量

相似性度量是衡量每次变换结果优劣的准则，用来对变换结果进行评估，为搜索策略提供下一步动作提供

本科毕业设计论文

本科毕业设计论文

题 目 红外与可见光图像配准

专业名称 自 动 化

学生姓名

指导教师

毕业时间 2014.06

本科毕业设计论文

本科毕业设计论文

毕业 任务书

设计 论文

一、题目

红外与可见光图像配准

二、研究主要内容

选题来源于科研项目。红外与可见光图像由于相关性小，缺乏一致性特征，

因此配准的难度较大。针对红外与可见光图像配准的研究，拟采用基于特征的图像配准算法。配准算法中核心的部分在于特征的提取和特征的匹配两个部分。特征提取拟采用Harris角点或Susan角点检测算法，这两种算法稳定性好，也适合实时性场合需要。特征匹配阶段根据图像物理特性选择合适的匹配测度及匹配算法。最终实现一种自动、快速、较高性能的配准方法。

三、主要技术指标

1、开发

本科毕业设计论文

本科毕业设计论文

题 目 红外与可见光图像配准

专业名称 自 动 化

学生姓名

指导教师

毕业时间 2014.06

本科毕业设计论文

本科毕业设计论文

毕业 任务书

设计 论文

一、题目

红外与可见光图像配准

二、研究主要内容

选题来源于科研项目。红外与可见光图像由于相关性小，缺乏一致性特征，

因此配准的难度较大。针对红外与可见光图像配准的研究，拟采用基于特征的图像配准算法。配准算法中核心的部分在于特征的提取和特征的匹配两个部分。特征提取拟采用Harris角点或Susan角点检测算法，这两种算法稳定性好，也适合实时性场合需要。特征匹配阶段根据图像物理特性选择合适的匹配测度及匹配算法。最终实现一种自动、快速、较高性能的配准方法。

三、主要技术指标

1、开发

图文并茂的生动讲解怎样在ArcGIS中配准（TIF、JPEG）栅格图像并矢量化，清晰的步骤让你一看就会。

在ArcGIS中配准（TIF、JPEG）栅格图像并矢量化

图像最好不要压缩，越精确地图的矢量化原精确，使用ArcGIS 9.2 Desktop完成。

一、栅格图像的校正和坐标系确定

启动ArcMap，新建一个新工程，右键Layers选择Add Data…添加TIF图像，将出现如下提示（如果提示无法加载rester data时请安装ArcGIS Desktop SP3补丁），单击Yes确定，加载图像后提示图像没有进行配准，确定然后配准图像。

图像加载后即可看到图像内容，右键工具栏打开Georeferencing工具条，进行图像的配准工作，在配准之前最好先保存工程。

图文并茂的生动讲解怎样在ArcGIS中配准（TIF、JPEG）栅格图像并矢量化，清晰的步骤让你一看就会。

在File菜单下打开Map Properties编辑地图属性，Data Source Options可设置保存地图文件的相对路径和绝对路径。（这里选择相对路径以确保将工程复制到其他机器可用）。

配准前要先读懂地图，望都县土地利用现状图采用1954北京坐标系，比例尺1:40000，查阅河北省地

图像处理讲义

多尺度塔型医学图像增强算法

李名庆，高新波，许晶

（西安电子科技大学电子工程学院，西安 710071）

摘 要： 在基于影像的医学诊断中，为了从图像中挖掘出尽可能多的决策信息，首先需要研究高效的图像增强算法。在分析人眼视觉特性和比较诸多图像增强方法的基础上，本文选择并改进了一种多尺度塔型图像增强快速算法。以CR和DR临床图像增强为例，实验结果证明了该方法可以较好的满足人眼视觉主观要求，增强效果优于传统单一尺度方法。与小波多尺度图像增强相比，效果相当，但运算时间大为降低，具有良好的实际应用价值。 关键词： 图像增强；多尺度塔型结构；医学诊断；小波分析

A Multiscale Pyramid Image Enhancement Algorithm and

its Application in Medical Image Processing

LI Ming-qing, GAO Xin-bo, XU Jing

（School of Electronic Engineering, Xidian University, Xi’an,710071）

Abstract: In the image-based medical diagnosis, it r

学科导论结业论文

所属学院：信息工程学院

专业班级：生物医学工程111班

姓名:彭延林

学号：6103411034

1

医学图像处理概论

生物医学工程111班 彭延林

医学图像处理是一门综合了数学、计算机科学、医学影像学等多个学科的交叉科学，是利用数学的方法和计算机这一现代化的信息处理工具，对由不同的医学影像设备产生的图像按照实际需要进行处理和加工的技术。医学图像处理的对象主要是X射线图像，CT(Computerized Tomography)图像，MRI(Magnetic Resonance Imaging)图像，超声(Ultrasonic)图像，PET(Positron emission tomography)图像和SPECT(Single Photon Emission Computed Tomography)图像等。医学图像处理的基本过程大体由以下几个步骤构成：首先，要了解待处理的对象及其特点，并按照实际需要利用数学的方法针对特定的处理对象，设计出一套切实可行的算法；其次，利用某种编程语言（C语言，Matlab或其他计算机语言）将设计好的算法编制成医学图像处理软件，最终由计算机实现对医学图像的处理；最后，利用相关理论和方法或对处

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

The Overview of Medical Image Processing Technology

Abstract：The present situation and development of such medical image processing techniques are summarized as the techniques of image segmentation, image registration, image fusion and texture analysis. On the basis of analyzing the relative techniques, the problems have been put forward wh

届 别 2012届

学 号 200814350135

毕业设计（论文）

基于MATLAB的医学图像处理

姓 名 唐涛 系 别、 专 业 计算机科学系、通信工程专业 导 师 姓 名、职 称 朱卫平、副教授 完 成 时 间 2012年5月1日

目 录

摘 要 ........................................................................................... I ABSTRACT ................................................................................ II 1 绪论 ........

实验十 医学图像分割（二）

实验目的：

1. 了解图像分割的基本理论和方法； 2. 掌握阈值分割的方法和阈值的选择； 3. 掌握基于分水岭分割的原理和应用； 实验内容：

1. 区域生长法利用图像像素间的相似性进行分割，调用regiongrow函数对图像weld.tif进行处理，注意参数中S（种子值），T（阈值）的选择对分割效果的影响。S=255，T＝65和S＝255 T＝150和S＝150，T＝65三组值进行处理，理解在区域生长法的原理。同时对liver.bmp，自己选择合适的S和T，以较好得分割出肝脏。

代码1：

close all;

f=imread('weld.tif');

figure(1),imshow(f),title('原图'); [g1,NR]=regiongrow(f,255,65); [g2,NR]=regiongrow(f,255,150); [g3,NR]=regiongrow(f,150,65);

figure(2),imshow(g1),title('S=255,T=65'); figure(3),imshow(g2),title('S=255,T=150'); figure(4),imshow(g3),titl