非刚性配准

摘要： 三维肺部电子计算机断层扫描(computed tomography,CT)图像非刚性配准是医学图像配准领域中最重要的任务之一.但是,肺部组织受呼吸运动影响而产生的非线性形变与大尺度位移给三维肺部CT图像的非刚性配准带来巨大挑战.针对这一难题,设计开发了一种基于无监督学习端到端的配准方法.通过改进现有U-Net神经网络结构,在跳接之间引入Inception模块,充分融合多尺度深层特征生成高精度的稠密位移向量场.为保证位移向量场光滑,在损失函数中加入雅可比正则化项,以达到训练中显式惩罚位移向量场中奇点的目的.另外,为缓解现有公开数据资源有限导致的过拟合问题,提出了一种基于三维薄板样条(3D-thin plate spline,3D-TPS)变换的数据增强方法实现对训练数据的扩充,将具有60套三维肺部CT图像的训练数据集EMPIRE10扩充为6060套以满足卷积神经网络训练的需要.设计验证实验,通过与基于学习的Voxelmorph方法和两个包含传统方法配准工具包ANTs和Elastix进行比较.实验结果表明:在公开可用的DIR-Lab 4 DCT数据集上,所提出的方法在目标配准误差(target registra-tion error,TRE)上达到次优的2.09 mm,平均Dice得分达到最优的0.987,同时所生成的扭曲图像中几乎不存在折叠体素.

摘要： 非刚性点集配准的关键是找到点集之间的正确对应关系。传统点集配准方法通常将特征点的全局空间距离作为判别准则,而未考虑点集的邻域结构信息,容易产生误匹配,为此,文中提出了一种基于邻域结构和驱动力的非刚性点集配准算法。首先,在一致性点漂移(CPD)算法的基础上,提出了一种局部距离计算方法,并将其与空间距离相结合,有助于提高匹配精度;此外,对传统形状上下文方法进行了改进,构建了一种新的驱动力准则,以在初始配准过程中提高搜索速度,在后期减小配准误差;最后,采用期望最大化(EM)算法迭代求解各点对的对应关系。在常用国际点集数据集上的仿真实验结果表明,在非刚性变形、噪声、异常点和遮挡等情况下,文中算法比经典算法具有更高的鲁棒性,匹配准确率也更高,并且对真实图像可以获得比较理想的配准效果。

摘要： 多模态医学图像配准作为医学图像分析技术中的关键技术,在诸如辅助诊断,手术导航等各类临床应用中发挥着重要作用。基于深度学习的配准方法是近年来的研究热点,但现有这类方法难以克服多模图像灰度差异的不利影响,同时难以精确学习图像中的形变。为此,本文设计了一种基于生成对抗网络的多模态医学图像非刚性配准方法。该方法先利用U-Net网络将多模态图像转换为单模图像,然后利用生成对抗网络学习转换图像的非刚性形变,由此实现多模图像的快速精确配准。在多模态脑部MR数据集BrainWeb上进行非刚性配准实验,实验结果显示:本方法相较于传统多模态配准算法和主流基于深度学习的多模态配准算法在配准精度上具有显著优势。

摘要： 随着对航空发动机性能要求的不断提高,叶片型面加工精度要求愈加严格。然而,目前常用的型面精加工方式中,精密铣削、磨削或近净成形工艺在工艺定形前都需要经过烦琐的迭代误差补偿。而在该过程中若能快速确定误差区域和边界将有助于提高后续迭代过程的效率。为此,本文提出了一种针对叶片复杂型面误差区域自动识别的最小面积误差区域边界求交方法,包括基于最小误差区域的截面非刚性配准和基于三角网格求交的边界识别。应用实例说明了该方法的有效性和优越性。

摘要： 针对组织切片图像配准问题,研究一种以局部特征射影变换配准方法为基础的全局非刚性配准方法以获得更好的匹配效果。首先,采用空域增强与频域增强结合的方法对图像进行预处理,应用匹配滤波突出组织四周的轮廓特征;其次,提取处理后的图像的尺度不变特征转换(scale-invariant feature transform, SIFT)特征并进行初步的匹配,根据匹配的特征点的坐标通过随机抽样一致(random sample consensus, RANSAC)方法计算两幅图像之间的射影变换矩阵参数并进一步剔除离群点,该矩阵可用于全局配准;最后,同样根据RANSAC方法提取出的特征点采用K近邻方法对图像进行区域划分,针对不同局部区域单独求解射影变换矩阵,并与全局配准矩阵进行比较筛选得到组织切片全局非刚性配准模型。实验结果表明对于不同的组织切片图像,局部射影变换配准的方法基本都可以提高配准的准确率,但对于局部变形较小的图像对,局部射影配准对配准精度的提高有限。

摘要： 经典的demons算法利用参考图像的梯度信息作为配准的驱动力来配准图像,但是只适用于小形变配准,对于大形变配准效果并不理想,且存在收敛速度慢的问题,active demons算法在demons算法基础上加入了浮动图像的灰度梯度信息,加快了图像的收敛速度,并且对于大形变图像配准同样适用,可是拓扑结构容易发生改变.本文在基于变参数active demons算法基础上做改进,通过引入惯性系数b,提出基于变惯性系数active demons算法的DTI多通道配准,将变参数active demons的改进算法应用于DTI多通道图像配准.经典的active demons算法、变参数active demons算法和本文算法的MSE图做比较,可以发现本文算法可以进一步提高配准的收敛速度和精度,也使图像的拓扑结构得到很好的保持.

摘要： 目的 现有的医学图像配准算法在处理较大非刚性形变的医学图像时,存在配准精度低和泛化能力不足的问题.针对该问题,提出结合密集残差块和生成对抗网络(generative adversarial network,GAN)的图像配准方法,用于多模态医学图像的非刚性配准.方法 将密集残差块引入到生成器,提取待配准图像对的更多高层特征,从而提高配准精度;在GAN中采用最小二乘损失代替逻辑回归构造的交叉熵损失,由于最小二乘损失的收敛条件更严格,同时能缓解梯度消失和过拟合,从而提高配准模型的稳定性;在判别器网络中引入相对平均GAN(relative average GAN,RaGAN),即在标准判别器的基础上增加一项梯度惩罚因子,降低判别器的判别误差,从而相对减少配准模型的配准误差,有助于稳定配准精度.结果 在DRIVE (digital retinal images for vessel extraction)数据集上进行训练和验证,在Sunybrook Cardiac数据集和Brain MRI数据集上进行泛化性能测试,并与几种主流医学图像非刚性配准算法进行对比实验,表明,本文配准模型在精度和泛化能力上均有一定程度的提升,相比其他方法,视网膜图像、心脏图像和脑部图像的配准Dice值分别提升了3.3％、3.0％、1.5％.结论 提出的配准方法能够获取更多高层特征信息,从而提升配准精度;同时基于最小二乘法构建损失函数并对判别器进行加强,能够使得配准模型在训练阶段快速收敛,提高了配准模型的稳定性和泛化能力,适合存在较大非刚性形变的医学图像的配准.

摘要： 现有的医学图像配准算法对于灰度均匀、弱边缘以及弱纹理图像易陷入局部最优从而导致配准精度低下、收敛速度缓慢.分数阶主动Demons (Fractional active Demons,FAD)算法是解决该问题的有效方法,并且适用于图像的非刚性配准.但FAD中的最佳分数阶阶次是人工交互选取,并且对整幅图像都是固定不变的.为了解决该问题.提出一种阶次自适应的主动Demons算法并将其应用到医学图像的非刚性配准中.算法首先根据图像的局部特征建立分数阶阶次自适应的数学模型,并逐像素计算最优阶次,基于该阶次构造Riemann-Liouvill (R-L)分数阶微分动态模板;然后将自适应R-L分数阶微分引入到Active Demons算法,在一定程度上缓解了图像配准在弱边缘和弱纹理区域易陷入局部最优问题,从而提高了配准精度.通过在两个医学图像库上进行实验验证,实验结果表明该方法可以处理灰度均匀、弱纹理和弱边缘的医学图像非刚性配准,配准精度得到较大提升.

摘要： 为提高不同生理状态下两组四维CT图像之间配准的精度和速度,基于多分辨率B样条的自由形变模型(Free Form Deformation, FFD),提出一种使用迭代最近点(Iterative Closest Point,ICP)优化该模型的配准算法。在传统B样条之前加入ICP算法实现两组四维CT图像间的点云配准:根据分割完的两组四维CT图像生成点云数据和灰度数据,使用ICP对模型中的两组点云配准。level1,level 2,level 3相似性测度提高率分别为:8.68%,10.46%,2.39%,速度提高率分别为:–51.89%,41.71%,81.09%,结果证明新模型在不同控制网格大小配准上精度和速度都有提高。

摘要： 本发明涉及基于非刚性双向配准网络的遥感影像自动配准方法。所述方法包括：构建第一多层运动流场预测网络，将待配准的第一运动图像和第一固定图像输入所述第一多层运动流场预测网络，得到第一预测图像，以第一多层运动流场预测网络输出的第一预测图像为第二运动图像，第一固定图像对应的相似固定图像为第二固定图像输入预先构建的第二多层运动流场预测网络，输出转换图像，本发明可以实现配准可逆性和几何一致性。

摘要： 本发明涉及非刚性图像配准方法及系统，特别是基于三角剖分和分段仿射变换的非刚性图像配准方法及系统，属于图像处理和分析领域。所述非刚性图像配准方法包括：将特征图像进行剖分，得到三角形图像块，对三角形图像块进行分段仿射变换，以及合并所有分段仿射变换后的三角形图像块。本发明将分段配准的三角形图像块组合起来，高效和高准确度地实现了跨多个时程的神经环路成像配准。

摘要： 本发明涉及图像处理领域，具体公开了一种基于标记点的多视觉2D‑3D图像非刚性配准方法及系统，其中方法包括：获取目标对戏的二维DR图像，以及对目标对象的三维CT图像进行重建得到N个二维DRR图像；将各DR图像和DRR图像分别输入神经网络，得到每个图像的K个二维标记点结果；采用神经网络，分别将DR图像和DRR图像输入，并输出K对匹配点；通过最小化K对匹配点的点距离总和，拟合出刚性配准的变换矩阵，然后利用K对匹配点，通过基于控制点的插值法得到非刚性配准的位移场三维矩阵，最后通过迭代的方式优化该结果。该方案比传统方法的运算时间更快，具有更强的可解释性。

摘要： 本发明公开了一种估算2d器官刚性/非刚性配准方法，包括以下步骤：S1、获取器官的CT图像、超声图像，同时从CT图像中获取CT图像轮廓，从超声图像中获取超声图像轮廓；S2、分别对CT图像轮廓点与超声图像轮廓点进行离散傅里叶变换以获得x(t)、y(t)的具体函数形式；S3、优化目标函数其中R、t代表CT图像轮廓点相对于超声图像轮廓点的旋转和平移；idxs是每个超声图像轮廓点在CT图像轮廓点里面的对应索引；Ref代表超声图像轮廓点，mov代表CT图像轮廓点；L代表损失项，Reg代表规则项；S4、输出刚性配准图像；S5、基于S4输出形变配准图像。本发明操作简单、方便快捷。

摘要： 本发明属于图像处理与分析中的图像配准领域，具体公开了一种非刚性多模医学图像的配准方法及系统，该方法是：(S1)基于原始医学图像及其结构表征图，训练第一级CNN网络，使训练好的第一级CNN网络能够基于输入图像生成结构表征图；(S2)基于参考图像、浮动图像及标签图像的结构表征图，训练第二级CNN网络，使训练好的第二级CNN网络能够预估形变场；(S3)针对待配准医学图像，利用训练好的第一级CNN网络中，得到对应的结构表征图；(S4)利用训练好的第二级CNN网络，得到针对待配准医学图像的配准图像。本发明基于无监督深度学习，网络输入不区分医学图像的模态，尤其适用于多模医学图像的非刚性配准，配准精度高。

摘要： 本发明涉及车载激光雷达数据处理领域，公开了融合道路多元特征的车载激光雷达点云非刚性配准方法，包括以下步骤：步骤一，面向对象的点云非刚性配准，通过对车载激光雷达采集的数据进行分区域对象提取和内部匹配，建立广义同名对应；步骤二，模型数据混合驱动的位姿优化，对POS系统误差进行时变建模，并结合广义同名对应和稀疏分布的地面控制外部参考进行整体优化，获得修正后的最优POS系统位姿；步骤三，校正点云三维坐标，将修正后获得的整体最优车载激光雷达测量POS系统状态参数在修正后的三维坐标系上对点云三维坐标偏差进行校正，得到校正后的点云三维坐标。本方案有效解决了现在复杂城市环境中无法获取高质量点云三维坐标的问题。

摘要： 一种用于大气湍流图像畸变校正的改进B样条非刚性配准方法，涉及大气光学领域，主要解决传统配准方法在大气湍流图像畸变严重时校正性能不稳定的问题。步骤为：输入经大气湍流退化后的图像序列，取图像序列的平均帧作为参考图像，图像中的每一帧作为浮动图像；生成均匀网格控制点矩阵；采用B样条非刚性变换生成图像变形场；根据变形场对浮动图像作变换，与参考图像之间进行归一化平方差，作为图像配准相似度的目标函数；利用融合粒子群算法的可调控指数级阻尼因子LM算法，求得目标函数最小时的最优控制点矩阵；根据最优控制点矩阵，求得配准后的浮动图像。本发明在处理多帧畸变湍流图像时，稳定性较好，能够获得较好的图像校正质量。

摘要： 本发明涉及图像处理领域，具体公开了一种基于标记点的多视觉2D‑3D图像非刚性配准方法及系统，其中方法包括：获取目标对戏的二维DR图像，以及对目标对象的三维CT图像进行重建得到N个二维DRR图像；将各DR图像和DRR图像分别输入神经网络，得到每个图像的K个二维标记点结果；采用神经网络，分别将DR图像和DRR图像输入，并输出K对匹配点；通过最小化K对匹配点的点距离总和，拟合出刚性配准的变换矩阵，然后利用K对匹配点，通过基于控制点的插值法得到非刚性配准的位移场三维矩阵，最后通过迭代的方式优化该结果。该方案比传统方法的运算时间更快，具有更强的可解释性。

摘要： 本发明公开了多模图像最大矩与空间一致性的非刚性配准方法及系统，本发明方法包括构建全局变换子网络和变形注意力子网络，并结合位置变换网格与像素重采样层构造可端到端训练的多模图像非刚性配准网络，为多模图像非刚性配准网络构建损失函数；利用多模图像构建训练数据集，并采用构建的训练数据集和损失函数训练多模图像非刚性配准网络。本发明可直接配准不经过几何校正的畸变图像，较好地解决了多模图像的局部畸变问题，实现多模图像的准确配准，可为图像准确融合、目标精确检测提供可靠支撑，可应用于自然灾害监测、资源调查与勘探、目标精准打击等应用领域，例如智能制造、抢险救灾、遥感监测等，具有应用范围广的优点。

摘要： 本发明公开了一种基于非刚性配准变形的薄壁零件模型重构方法：1）对零件毛坯表面进行数据点采样，并对采样点进行去噪、排序等预处理操作；2）以采样点集作为匹配目标，对零件的理论CAD模型与预处理后的采样点进行刚性配准；3）采用等截面法和相交操作获取配准后理论CAD模型不同位置的截面线，并采用等参数法将截面线离散为点集。以采样点集作为变形目标，对理论截面线的离散点集做非刚性配准变形，并对变形后的离散点集采用NURBS曲线插值生成截面线；4）通过放样截面线的方法生成适应当前零件的加工工艺CAD模型。解决了薄壁零件因热成形变形引起的实际毛坯几何外形无法包络理论CAD模型而造成的加工余量不足的问题。