张洁[1]2004年在《医学图像配准及融合》文中研究指明医学图像信息融合是当代信息科学、计算机与医学影像科学相交叉的一个研究课题,它是医学图像处理学科的一个新的研究热点。作为医学图像融合的基础,医学图像的配准有着非常重要的意义,它是图像融合的第一步,配准的精度直接影响着融合的效果。 本文从二维医学图像的刚性变换出发,研究了基于互信息的多模态医学图像配准方法。互信息法是把信息论中的互信息作为衡量两幅图像配准的相似性测度函数,当两幅图像配准时,互信息达到最大值。该方法人工干预少,只依赖于图像本身的信息,不需要任何假设或先验医学知识,也不需要对图像进行特征点提取、组织分类等预处理。在寻找最优的旋转和平移参数时,采用了无需计算梯度的Powell直接搜索算法和Brent算法。为了提高配准的速度和精度,本文提出了基于上角的插值技术,并通过多分辨的方式进一步加快配准速度。计算机断层扫描成像CT和核磁共振MRI的配准实验证明,互信息法能准确地实现多模态医学图像的配准,并且能达到亚象素的精度。 对配准后的CT和MRI 图像,本文采用了基于像素为基础的空间结构融合方法和基于小波变换的多分辨率分析方法实现了CT和MRI图像的融合。空间结构融合方法是按照不同的空间位置,将CT和MRI图像的各自的一部分组合在一张图像上。图像本身没有新的灰度级的增加,只是在一幅图像中共存了两种性质的图像。小波变换除了具有传统的傅立叶变换的优点外,还能更加有效地描述图像在时域和频域上的局部特征。它将原始图像分解成一系列具有不同空间分辨率和频率特性的子图像,这些子图像反映了原始图像的局部变化特征,为图像融合提供了有利条件。本文采用基于小波变换的多分辨率分析实现了CT、MRI图像的信息融合,融合效果好。
张家良[2]2012年在《红外与可见光图像配准及融合技术研究》文中认为随着成像传感器等技术的快速发展和实际使用环境的日益复杂化,单一的成像传感器很难满足目前的使用需求,而多成像传感器系统可将多个成像传感器获得的互补或冗余信息进行集合,能更好地满足实际需要。目前已出现多种多成像传感器系统,本文主要研究的是红外与可见光图像相结合的成像系统,着重研究了红外图像与可见光图像的配准技术以及融合技术。本文主要贡献如下：(1)通过研究图像配准的基本理论和方法,针对红外与可见光图像的特点,提出了一种结合边缘对齐度与互信息的图像配准方法。首先通过小波变换模极大值得到红外与可见光图像的边缘图像,再分别计算它们的对齐度和归一化互信息,并将对齐度和归-化互信息自适应加权平均得到新的相似性测度函数,最终通过计算相似性测度函数的极值求得待配准图像间的变换参数。实验结果表明,该方法减少配准所需的时间,具有更高的精确性和鲁棒性。(2)通过研究图像融合的基本理论及基于多尺度几何分析的图像融合方法和智能图像融合方法,将非下采样Contourlet变换引用到红外与可见光图像融合中。首先将图像分解成低频子带和若干个高频子带,对于低频子带选用区域加权平均能量法的融合规则,而在高频子带选用脉冲耦合神经网络的融合规则,最后经非下采样Contourlet逆变换得到融合图像。对比实验结果表明,本文提出的融合算法可以取得较好的效果,优于其它几种用于对比的融合方法。本文研究成果为开发融合效果良好的图像融合方法,进而为红外与可见光图像融合实际应用提供了新的途径。
裴璐乾[3]2011年在《SAR、红外、可见光图像配准及融合算法研究》文中指出多源遥感影像融合技术充分利用来自不同传感器的各类遥感信息,可有效克服遥感影像信息提取与解译单一信息源的不足。多传感器图像融合之前需首先解决的关键问题是图像配准。本文深入讨论了不同分辨率下SAR、红外、可见光图像配准方法,并研究分析了基于感兴趣区域小波多尺度多方向边缘信息的交互方差图像配准算法。文中结合实测数据进行了多组仿真,验证了配准算法的有效性,最后给出图像配准评价准则。对于同类或异类传感器的图像配准,该算法具有较高的普适性,同时算法的抗噪能力也较强。此外,本文针对多传感器图像的融合技术进行研究,提出了基于平稳小波变换Parcel区域标记的图像融合算法和基于双树复小波变换多级Parcel区域标记的图像融合算法。这两种算法将像素级融合与特征级融合结合在一起,根据小波变换系数通过对每一幅图中诸如边缘和区域信息的提取由融合规则生成融合决策图来指导融合的过程。同样结合多组遥感实测数据进行了仿真,验证了各种融合算法的有效性。与经典的基于小波理论的融合算法相比,本文算法在边缘定位、区域一致性以及融合图像对比度等方面都具有较大优势。
汪欢[4]2010年在《亚像素级图像配准及多波段图像合成真彩色图算法研究》文中进行了进一步梳理图像配准技术是近几十年来快速发展的图像处理技术之一，它是将不同传感器、或不同成像条件下的同场景的两幅或多幅图像进行匹配对准，以校正图像之间几何差异和灰度差异的过程。它是医学诊断、计算机视觉、图像数据融合、遥感图像处理等图像、视频处理的必不可少的部分。亚像素级图像配准技术是在像素级图像配准技术的基础上发展起来的，它将配准的精度要求从像素级提升到亚像素级，从而实现对图像的更精确的后续处理。亚像素级图像配准算法，其算法思想与像素级图像配准大体相同，但一般都需要做一定的改进。常见的（亚）像素级图像配准算法有：基于灰度的方法、基于变换域的方法、基于最优化思想的方法和基于特征的方法。文献[1-12]对上述某种或某几种算法做了深入的阐述。本文在综合研究了多种配准算法的基础上，提出并实现了基于改进的相位相关及局部插值的亚像素级图像配准算法，实验证明该算法计算精度高、配准速度快、应用范围广。图像的配准的目的是为了消除图像间的几何差异和灰度差异，因此，在求得配准参数后势必需要对待配准图像做一定的变换处理以达到目的。这个过程即是图像的恢复。所以在精确的求取配准参数后对待配准图像做精确的恢复也是一项重要的任务。在大量的研究之后，本文决定采用PV插值法来恢复配准图像。实验证明，此方法比传统的恢复算法有较大的优势。多波段图融合是图像融合的重要分支，本文在配准的基础上，提出了完整而清晰的多波段图像融合成彩色图的流程与方法。实验表明，该流程和方法稳定、有效，融合出的彩色图像符合人眼的视觉感受。最后对本文的工作进行了总结，并对今后的工作做了一些展望。
杨晶[5]2015年在《小动物PET和小动物CT图像配准的研究》文中研究说明近年来,随着计算机技术的发展和医学研究的需要,出现了越来越多的医学影像设备,如X线、CT(电子计算机断层扫描)、MRI(磁共振成像)、PET(正电子发射计算机断层成像)、SPECT(单光子发射计算机断层成像)、超声设备和荧光分子影像等。不同模态的医学影像设备在成像领域的侧重点不同,将反映不同信息的医学图像进行有机融合,则可以提供更为丰富的影像信息。由于多模态医学影像设备价格不菲,且已有的多模态一体机尚不能满足大多数多模态图像融合的需求,因而获取配准图像的通用模式成为了研究热点。本文以小动物PET和小动物CT图像配准为例,研究了多模态医学影像设备的通用配准方法。首先设计了一种小动物床,对已有体外特征标记点配准方案进行了改进,将优化后的配准装置固定在小动物床外侧。载有小动物的动物床可以在不同成像设备间转移。在转移和扫描过程中,小动物始终处于麻醉状态,故可假设两种设备间采集的图像符合刚体变换模型。配准装置可以在不同成像设备上显像,最终在图像断层平面呈现为特征标记点。通过寻找两组图像间相匹配的特征点即可计算空间转换关系,进而将分辨率较低的PET图像映射到CT图像空间,实现图像配准及融合。上述方案在寻找相匹配特征点的过程中计算量大,同时为达到一定的配准精度需要增加特征点的数量,因而实验操作和计算的复杂度大大提高。本文在上述方法思路基础上,进行了深入研究,提出了在两组图像空间内建立公共参考坐标系,以实现图像配准的新方案。该方案在小动物床外侧固定两根相交的特征直线导管,利用特征直线在CT和PET断层平面形成的特征点,采用直线拟合的方法将特征点序列进行直线拟合,可以将特征点寻找过程中所引入的误差减小。通过两条特征直线在两组图像空间内建立的公共参考坐标系,即可确定两组图像空间的转换关系,从而实现图像配准及融合。本文对两种方案的配准结果进行了模拟数据实验、体模数据实验以及活体小动物实验评估。通过目测检验和特征点匹配误差的计算,可知两种方案均可以实现小动物PET和小动物CT图像的配准。新的方案较已有方案具有计算过程更为简单,配准精度更高的特点。
彭逸月[6]2012年在《红外与可见光图像配准及融合技术的研究》文中提出在成像技术以及图像处理技术的迅速发展下,多传感器的使用变得可行而有效。将红外和可见光两类图像相结合,可以在观察场景的同时发现目标,解决了许多军事、民用中的困难。多源图像的使用,要求事先配准源图像。本课题介绍了图像配准的基本理论和模型,归纳了诸多文献中提出的有效的匹配测度,并重点讨论了红外和可见光图像的配准。针对两类图像的特点,本课题提出一种新的基于边缘几何特征点的配准方法。新的角点提取方法能提供大量的图像间的对应点；在进行角点匹配时,围绕特征点的结构相似性,采用曲线矩和梯度互信息相结合的综合测度,实现了角点间的匹配。图像融合是信息综合利用的有效方式。配准之后,本课题对图像融合的基本理论、分类,进行了概括,总结了被大量文献使用的基本的融合规则和图像质量评价指标。本课题将图像融合建立在基于小波的多分辨率分解上,讨论针对红外和可见光图像的有效的融合规则。本课题提出了一种改进的Petrovic多层级融合规则以及对比度提升方法,并且通过与其他几种融合方法的比较,证明了本课题方法的优势。其中对融合结果的质量进行提高的对比度提升法,是在分析红外和可见光图像特性和意在发现目标的基础上提出的。对比度提升法同样可用于其他方法得到的融合图像中,对比实验证明对比度提升法能够有效提高各像素级融合方法的图像质量。
冯云丛[7]2014年在《医学图像自动配准及融合算法的研究》文中研究指明近年来，图像已经成为医学研究、临床诊断等领域的一种重要的信息传送和存储的工具。针对图像的处理技术对于图像视觉效果的增强，图像质量的改善，以及对图像进行的某些特殊处理等问题提供了强大的支撑。其中，图像配准技术和图像融合技术是图像处理和分析中的十分重要的研究内容。图像配准是实现图像（信息）融合中必不可少的预处理技术，图像融合可以有效地提高图像信息的利用率，增强图像的可靠性。本文根据医学图像的特点，探讨设计高效的图像配准、融合算法。主要工作及创新点包括：（1）总结了图像配准和图像融合算法的研究现状，并分析了经典算法。通过对这些算法的综述，寻找问题的瓶颈所在。（2）在本文中，作者提出了针对脑部医学图像的刚体图像配准的新框架。该配准算法的特点在于它的简便性和高效性。同时，它也可以看作是非刚性图像配准的一种预处理算法。考虑到在医学图像配准中主要针对图像中的组织部分进行研究，我们使用图像分割方法，将待配准的参考图像和浮动图像分别分成两部分：组织部分和背景部分。之后，在两幅图像的组织区域中分别进行距离变换，找出两幅图像中组织区域的中心点，从而确定位移系数。接着，对两幅组织区域图像进行边缘检测，分别找出它们的最长半径，并通过这两个最长半径来确定浮动图像的旋转角度。最终，通过位移系数和旋转角度，对浮动图像进行变换，以得到配准图像。我们在数十组医学图像上测试了该配准算法，实验结果证明了该算法针对医学图像配准可行性及简便高效性。（3）对于图像融合模型，本文提出了一种新的基于形态学成分分析（MCA）的彩色-灰度图像融合算法。形态成分分析是一种基于稀疏表示的信号和图像的分解（分离）方法，该方法的主要思想是利用图像（信号）组成成分的形态差异性（可以由不同的字典稀疏表示），对图像（信号）进行分离。利用形态成分分析可以将图像分解成平滑部分和纹理部分。纹理部分已被证实为最显着的视觉功能之一。它包含了物体表面结构组织及其与周围环境相关的重要信息。我们可以从纹理部分获得非常丰富的视觉信息，并通过纹理分析方法完成计算机视觉和图像理解研究领域的任务。基于形态成分分析的彩色-灰度图像融合算法具体步骤如下：首先，将待融合的彩色原始图像转化为灰度图像。然后，利用形态成分分析方法分别将两幅灰度图像分解为平滑部分和纹理部分，并将两幅平滑部分图像进行融合，两幅纹理部分图像进行融合。最后，将融合后的平滑部分和融合后的纹理部分进行融合，从而得到灰度融合图像，并在此基础上得到最终的彩色融合图像。本文给出的图像融合算法的特点在于它保持图像纹理信息的能力。我们在医学图像和生物学图像上进行了测试，实验结果验证了该融合算法的优越性。同时，将在以下几个方面进一步研究：图像配准方面：a）提取更有代表性的特征。针对多模态图像，如何提取参考图像和浮动图像的特征，使同一器官在不同模态图像中所呈现的特征尽量相似，不同器官在不同模态图像中所呈现的特征尽量不同是需要解决的问题。b）优化相似度测量指标。需要设计更加合理的相似性测量指标以提升配准精确度。c）寻找更高效的智能寻优算法。图像配准问题实质上是参数寻优的问题。所以，配准算法能否实现实时性最终依赖于寻优算法的运行效率。图像融合方面：a）对噪音不敏感，具有偏移不变性、旋转不变性的融合方法。b）具备实时性特点。解决该问题可以从硬件与软件两方面入手：硬件方面是指设计图像融合的专门电路，但造价昂贵；软件方面是优化融合模型，避免大计算量的数据操作。c）充分利用神经网络等智能工具。图像融合规则可以认为是参数选取问题，而这正是神经网络的优势所在。d）研究与人类视觉特性相结合的客观评价指标。结合人类视觉生理学、心理学和图像处理领域的知识，建立更加高效、准确的评估模型是图像处理领域的一个重要课题。e）对客观评价指标进行验证。可以通过主观法或客观法进行。V. Petrovic最先提出主观法验证法，实验中他利用一个由120组图像组成的图像集和主观评价结果对现有客观评价指标进行验证，与客观结果越接近，则说明客观评价指标性能越好。但该方法时间开销大，如何使用客观法对指标进行验证是未来需要解决的课题之一。
李艳娟, 陈冬, 仉俊峰, 赵庚寅[8]2015年在《基于PSO和互信息的小波医学图像配准及融合》文中指出针对医学图像配准问题,首先给出图像互信息的定义及详细的计算方法,并将其与粒子群优化算法相结合,作为粒子群优化算法的适应度计算函数,实现基于粒子群优化和互信息的多模医学图像配准。并将基于提升格式的二代小波应用于参考图像和配准后的浮动图像,实现二者的多尺度图像融合,从而构建基于粒子群优化和互信息的小波医学图像配准及融合系统。实验表明该系统可以快速、精确且不需要人工干预地实现两幅图像的配准和融合。
于庆[9]2010年在《基于SIFT算法的眼底图像拼接的研究与实现》文中认为由于眼底障碍疾病和全身性的疾病所引起的眼底变化能以不同的表征显现于眼底血管之上,所以眼底检查能及早地发现眼部病变,对于诊断眼底疾病和诊治身体其他系统的疾病有着重要的指导意义。因为眼底照相机拍摄照片的角度有限,其每次成像所得的区域相对于整个眼底比较小,鉴于该原因,在临床医学上常要将多幅眼底图像拼接在一起,使医生获得比较完整的眼底血管信息,从而有利于眼底检查,具有十分重要的指导意义。目前的一些图像拼接软件很难得到较好的眼底图像拼接效果,所以本文提出使用基于SIFT算法的特征点拼接方法,并在此基础上实现了眼底图像拼接软件。本文对眼底成像时存在的辐射量畸变进行了校正。本文针对眼底图像信噪比和对比度较低的特点,分析和研究了图像的去噪和增强算法,提出用选择式掩模平滑法对眼底图像进行平滑去噪,并用灰度变换法对眼底图像进行对比度增强。针对预处理后的图像仍然存在的噪声影响等问题,本文并未适用传统的提取血管交叉点或分支点作为特征点的方法,而是提出利用对噪声也有很好的鲁棒性的SIFT算法提取出图像的特征,接着对两幅图像的SIFT特征描述子进行初匹配。本文提出手动选择特征相似区域辅助RANSAC算法进行提纯匹配,求出了图像的变换关系,完成了眼底图像的配准。本文根据变换矩阵将眼底图像统一到同一坐标系下,提出用加权平滑法对两幅眼底图像进行融合,并针对重迭区域边线上亮度异常的问题,提出了相应的解决方案;在对多幅图像眼底图像进行拼接时,针对由于成像时患者眼部动作偏大导致得到的图像真实内容发生改变影响拼接结果的问题结合覆盖式拼接策略,完成图像重迭区域平滑的同时保留了比较完整的图像细节。在理论研究和分析的基础上,本文实现了眼底图像的预处理,特征提取和特征匹配,并根据图像匹配得到的变换矩阵对眼底图像进行拼接融合。本文实现了包含上述功能模块的眼底图像拼接处理软件,通过实验取得了很好的效果。
崔巧玉[10]2014年在《基于多模成像的医学图像配准及融合》文中研究说明随着科技的进步,医学成像设备也得到了快速发展,从而使医学领域也出现了不同模态的图像,不同模态成像能够反映生物体结构或功能方面的不同信息,通过对多模态影像进行准确配准与融合,可为疾病的检测与诊断提供更多有用信息,由此,图像配准融合也应运而生。这一技术实现了不同模态图像信息的互补和综合,为医师进行诊断提供了临床可靠依据,同时也大大提高了诊断和治疗过程的精度和效率。本文实验中所使用的数据来自小猪心脏的CT成像,PET成像以及CTA成像。CT成像和CTA成像主要显现小猪心脏的解剖结构特征,不同的是CTA则是采集数据前给小猪血管注射了一定量的造影剂,可以更清楚地显现小猪的血管成像。而PET成像主要显现小猪的心肌功能代谢情况,可以反映出小猪心肌部位的受损状况。本文目的是实现基于多模的医学图像配准融合,在医学领域,由于不同模态间成像原理,使得不同成像显现各自的特征,例如CT成像本身具有较高的分辨率并且可以提供丰富的解剖结构信息,而PET成像则显现组织部位的代谢,病变等功能信息,如果将多种同源图像信息综合在一幅图像上,则可方便医师对病情的诊断,目前同机融合技术需要对患者进行两种设备的扫描,从而带来额外的痛苦(如注射造影剂给身体带来的射线影响),再加上采集数据的过程要求患者数小时保持不动,通常情况下也是非常困难的,所以就目前而言,医学上更倾向于异构图像融合技术,从而也使多模图像配准融合变得更为重要。考虑不同模态成像的特点以及数据采集时的参数问题,直接将PET,CTA进行配准相对比较困难,在本文的工作过程中,采用将CT作为桥梁,实现PET和CTA的图像配准融合,完成解剖和功能成像的信息融合。论文的主要内容如下:为实现猪心脏解剖与功能成像的准确融合,在配准过程中,首先实现PET和CT图像的同机配准融合。其次对CT和CTA进行刚性配准,这里使用手工选取标记点匹配的特征提取方式来得到变换过程的参数,并实现图像之间的配准。在CT与CTA初步的刚性配准基础上,对CT和CTA的局部区域进行基于B样条的弹性配准,以进一步校正心脏部位的形变,减少配准误差。完成上述操作后,基于获得的PET-CT与CT-CTA变换参数,实现CTA和PET的最终配准。同时,在配准过程中,对配准后不同模态图像的信息进行了融合操作。在论文的最后部分,给出了叁组序列配准结果的性能分析。论文提出了一种以CT-PET配准融合为基础,实现PET和CTA异机配准融合的解决方案,实验表明以CT为桥梁的异机图像配准融合方法适合实际的医学研究应用,该方法实践上也可行,配准过程比较客观而且复用性也比较好,通过配准融合后的结果也提供了更丰富的医学诊断信息。
参考文献：
[1]. 医学图像配准及融合[D]. 张洁. 电子科技大学. 2004
[2]. 红外与可见光图像配准及融合技术研究[D]. 张家良. 南京理工大学. 2012
[3]. SAR、红外、可见光图像配准及融合算法研究[D]. 裴璐乾. 西安电子科技大学. 2011
[4]. 亚像素级图像配准及多波段图像合成真彩色图算法研究[D]. 汪欢. 中国科学院研究生院(西安光学精密机械研究所). 2010
[5]. 小动物PET和小动物CT图像配准的研究[D]. 杨晶. 东南大学. 2015
[6]. 红外与可见光图像配准及融合技术的研究[D]. 彭逸月. 南京理工大学. 2012
[7]. 医学图像自动配准及融合算法的研究[D]. 冯云丛. 吉林大学. 2014
[8]. 基于PSO和互信息的小波医学图像配准及融合[J]. 李艳娟, 陈冬, 仉俊峰, 赵庚寅. 黑龙江工程学院学报. 2015
[9]. 基于SIFT算法的眼底图像拼接的研究与实现[D]. 于庆. 重庆大学. 2010
[10]. 基于多模成像的医学图像配准及融合[D]. 崔巧玉. 西安电子科技大学. 2014
标签：计算机软件及计算机应用论文; 可见光论文; 图像配准论文; 图像融合论文; 图像拼接技术论文; 红外成像论文; 算法论文;