医学图像配准算法

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

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

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

一、断层成像的基本原理 1.1 断层成像

这样我们用数学方法解决了一个断层成像问题。 一般来说，断层成像都是用数学计算的手段解决的。怪不得有CT (Computed Tomography 计算机断层成像，直译为： 计算出的断层成像) 这个词。通常为说话简捷起见，“计算出的” 这几个字就略去不说了。矩阵每一行的和，每一列的和的概念可以推广为一个图像的射线和，线积分，和投影数据。

从物体的投影数据来得到物体的内部断层成像的过程就称之为图像重建。

1.2 投影

? 为了体会出投影 (也就是射线和，线积分) 的概念，我们在这里给出几个例子。 ? 第一个例子： 所考虑的物体是二维x-y平面中的一个均匀圆盘。圆盘的圆心在坐标原点。圆盘的线密度函数是个常数ρ (图1.4)。 ? 物体的投影值(即线积分值) 就是弦长 t 乘以线密度ρ。 ? 其数学表达式为： ? 在这个特例中，投影值 p(s) 对于所有的角度 θ 来说都是一样的。这个角度θ 是探测器相对于物体的旋转角度。 图 1.4 跨圆盘的线积分等于弦长乘以线密度 图 1.5 物体的投影在不同的探测角度是不同的

图 1.7 投影值实际上是像素值的加权和。权函数是 “线” 在像素内的线段长

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

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

为减少机载双天线干涉SAR繁杂的图像配准处理过程,该文提出了基于扩展波数域(w K)的距离向自配准成像算法。该算法针对双天线因路径差引起的失配问题,在成像处理阶段通过采用高阶多项式拟合的手段,利用变标原理实现了图像对在距离向的精确配准。通过对仿真数据和X波段实际数据的处理,获得了较好的干涉条纹图,验证了算法的有效性。

第 3第 7期 4卷21 0 2年 7月

电

子

与

信

息

学

报

Vo . 4 . 1 NO 7 3 J 12 2 u . 01

J u n l fEl c r n c o r a e t o is& I f r to c n l g o n o ma i n Te h o o y

基于扩展波数域的机载双天线干涉 S AR自配准成像算法李银伟②①向茂生① 毛永飞① ②北京 109) 0 10 (中国科学院电子学研究所微波成像技术国家级重点实验室f国科学院研究生院北京 1 0 3 )中 0 0 9摘要：为减少机载双天线干涉 S AR繁杂的图像配准处理过程，该文提出了基于扩展波数域 ( )的距离向自配

准成像算法。该算法针对双天线因路径差引起的失配问题，成像处理阶段通过采用高阶多项式拟合的手段，利用在变标原理实现了图像对在距离向的精确

一、 图像放大算法

图像放大有许多算法，其关键在于对未知像素使用何种插值方式。以下我们将具体分析几种常见的算法，然后从放大后的图像是否存在色彩失真，图像的细节是否得到较好的保存，放大过程所需时间是否分配合理等多方面来比较它们的优劣。

当把一个小图像放大的时候，比如放大400%，我们可以首先依据原来的相邻4个像素点的色彩值，按照放大倍数找到新的ABCD像素点的位置并进行对应的填充，但是它们之间存在的大量的像素点，比如p点的色彩值却是不可知的，需要进行估算。

图1-原始图像的相邻4个像素点分布图

图2-图像放大4倍后已知像素分布图

1、最临近点插值算法(Nearest Neighbor)

最邻近点插值算法是最简单也是速度最快的一种算法，其做法是將放大后未知的像素点P，將其位置换算到原始影像上，与原始的邻近的4周像素点A,B,C,D做比较，令P点的像素值等于最靠近的邻近点像素值即可。如上图中的P点，由于最接近D点，所以就直接取P=D。

这种方法会带来明显的失真。在A,B中点处的像素值会突然出现一个跳跃，这就是出现马赛克和锯齿等明显走样的原因。最临近插值法唯一的优点就是速度快。

2、双线性插值算法(Bilinear Interpol

一、 图像放大算法

图像放大有许多算法，其关键在于对未知像素使用何种插值方式。以下我们将具体分析几种常见的算法，然后从放大后的图像是否存在色彩失真，图像的细节是否得到较好的保存，放大过程所需时间是否分配合理等多方面来比较它们的优劣。

当把一个小图像放大的时候，比如放大400%，我们可以首先依据原来的相邻4个像素点的色彩值，按照放大倍数找到新的ABCD像素点的位置并进行对应的填充，但是它们之间存在的大量的像素点，比如p点的色彩值却是不可知的，需要进行估算。

图1-原始图像的相邻4个像素点分布图

图2-图像放大4倍后已知像素分布图

1、最临近点插值算法(Nearest Neighbor)

最邻近点插值算法是最简单也是速度最快的一种算法，其做法是將放大后未知的像素点P，將其位置换算到原始影像上，与原始的邻近的4周像素点A,B,C,D做比较，令P点的像素值等于最靠近的邻近点像素值即可。如上图中的P点，由于最接近D点，所以就直接取P=D。

这种方法会带来明显的失真。在A,B中点处的像素值会突然出现一个跳跃，这就是出现马赛克和锯齿等明显走样的原因。最临近插值法唯一的优点就是速度快。

2、双线性插值算法(Bilinear Interpol