基于特征点驱动的CT图像配准与拼接方法研究

摘要

医学图像配准是当前医学图像领域的研究热点，在临床诊断和治疗方面具有重要的意义。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。已经提出了很多医学图像配准算法，它们大体上可分为基于灰度驱动的图像配准算法、基于模型驱动的图像配准算法和综合算法。
　　 在医学成像过程中，往往有着被检查部位远远大于图像探测器面积的矛盾，需要将该部位分为几次拍摄，再按照一定的规则拼接起来，这就是医学图像拼接。医学图像拼接在医学领域有着广泛的应用前景。可以解决医学图像获取过程中由于视野的限制而无法得到完整的图像的问题，为诊断提供更好的依据。典型的医学图像拼接算法主要有基于变换域的方法，基于图像灰度的方法和基于特征的方法等。
　　 随着医学影像技术、计算机科学技术的不断发展，医学图像的计算机智能化珍断是医学图像处理与分析研究的最重要的目标之一。要实现计算机智能化珍断或计算机辅助诊断，信息的可对比性和完整性是至关重要的，而其中涉及到的技术就是图像的配准技术和图像的拼接技术。医学图像配准和医学图像拼接是医学图像研究的热点和难点。
　　 本文针对构建基于高分辨率CT图像的脑部疾病辅助珍断系统的需求，研究了基于特征点驱动的图像配准技术，并对图像拼接技术进行了初步探讨。在研究和分析特征点自动提取方法的基础上，着重研究了尺度不变特征变换(SIFT)算法，找出两幅CT图像的匹配的特征点，实现了特征点的自动匹配，为基于特征点驱动图像配准和图像拼接做好铺垫。进一步对基于模型驱动的配准算法中的基于特征点驱动的图像配准方法进行研究，采用薄板样条插值方法，实现了两幅脑CT图像的正确配准，并提出了采用区域特征向量来去除不正确匹配点的方法。论文还着重研究了基于特征的医学图像拼接方法，给出了对两幅医学图像实现正确拼接的详细算法和实施步骤，并提出了采用统计斜率最多法和随机抽样一致性法去除不正确匹配点的方案，保证了所拼接出来的图像的质量。
　　 论文的工作得到了国家自然科学基金(60771007)的资助，特此感谢。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2研究的目标和意义

1.2.1研究的目标

1.2.2研究的意义

1.3国内外研究概况

1.4论文内容的安排

第二章CT图像特征点的提取和特征匹配

2.1引言

2.2边缘点提取算法

2.2.1高斯-拉普拉斯(LOG)算子

2.2.2 Canny算子

2.3角点提取算法

2.3.1 SUSAN角点提取

2.3.2 HARRIS角点提取

2.4兴趣算子

2.4.1 Moravec算子

2.4.2 Forstner算子

2.5 SIFT算法

2.5.1 SIFT算法简介

2.5.2尺度空间图像的生成与图像金字塔结构

2.5.3 局部极值点的检测

2.5.4精确点的定位与不稳定点的去除

2.5.5特征点主方向的生成

2.5.6特征向量的生成

2.5.7特征匹配与错配的消除

第三章基于对应点驱动的颅脑CT图像的非刚性配准

3.1引言

3.2非刚性配准的一些常见算法

3.2.1基于灰度驱动的图像配准算法

3.2.2基于模型驱动的图像配准算法

3.2.3综合算法

3.3 基于对应点驱动的颅脑CT图像配准

3.3.1消除错配

3.4边缘点的配对

3.5薄板样条插值

3.6配准精确度的评价方法

3.6.1主观评价

3.6.2客观评价

3.7图像配准策略

3.8实验结果与讨论

第四章医学图像拼接技术初步探讨

4.1引言

4.2图像拼接的研究现状

4.3图像拼接算法步骤

4.4医学图像预处理

4.5消除错配

4.5.1统计斜率最多法

4.5.2随机抽样一致性算法

4.6 图像的坐标变换

4.6.1仿射变换模型

4.6.2透视变换模型

4.6.3 非线性变换

4.7图像间变换关系的求解

4.8捆绑调整

4.8.1参考平面的选取

4.8.2捆绑调整算法

第5章 总结与展望

5.1总结

5.2展望

参考文献

致谢

在读期间发表的学术论文