基于改進SURF的醫(yī)學圖像配準算法研究.pdf

1、醫(yī)學圖像配準是可能來自不同的時間、條件、設(shè)備的圖像，通過尋找一種空間上的變換，使其與另一幅醫(yī)學圖像配準，取得空間上的對齊。如今，圖像配準已被應(yīng)用到遙感圖像處理，計算機視覺等領(lǐng)域，尤其是在醫(yī)學領(lǐng)域已成為研究熱點。在醫(yī)學診斷中，主要依靠MRI，CT等設(shè)備提供病人的二維圖像信息，不能夠直觀的給出內(nèi)部結(jié)構(gòu)信息。而利用二維圖像重構(gòu)后獲得的三維圖像，可以準確顯示出人體器官結(jié)構(gòu)特征以及空間位置，圖像配準是其中的關(guān)鍵。
　　本文研究基于特征的醫(yī)學

2、圖像配準。在基于特征的醫(yī)學圖像配準中圖像的特征提取和匹配尤為關(guān)鍵，本文研究SURF(Speeded-Up Robust Features)算法在特征提取和匹配階段的應(yīng)用。該算法對存在平移、旋轉(zhuǎn)、縮放的圖像具有一定的魯棒性，而且由于積分圖像和盒子濾波器的引入加快了算法運行速度。但其在醫(yī)學圖像配準中進行特征提取時提取的特征點數(shù)目比較少，從而導致了特征匹配對數(shù)目不足，往往達不到醫(yī)學圖像配準的要求，并且在特征點匹配階段容易發(fā)生誤匹配，給后續(xù)的配

3、準精度上帶來很大影響，而且對有發(fā)生仿射變換的圖像配準效果差。針對以上問題，本文提出一種改進SURF算法。在特征提取階段，建立仿射相機模型，模擬生成不同視角下的圖像序列，在圖像序列中結(jié)合盒子濾波器建立尺度空間檢測特征點，然后確定圖像序列中特征點的主方向，并生成64維特征描述子，最后將圖像序列中的特征點映射回原圖像，從而增加特征點的檢測數(shù)目;在特征點的匹配階段，引進先進的GTM(Graph Transform Matching)算法，建立兩

4、幅圖像匹配點的GTM圖形，通過GTM圖形計算兩幅圖像的差值鄰接矩陣，根據(jù)差值鄰接矩陣刪除錯誤匹配點，完成匹配點的優(yōu)化，提高匹配的精確度。
　　在圖像配準中，采用初步配準和精配準兩步配準的方法。在初步配準階段，通過剛體變換模型進行圖像變換，由于直接對剛體模型求解精度比較低，本文利用遺傳算法優(yōu)化剛體變換模型的矩陣參數(shù)，對待配準圖像進行初步配準。在精配準階段，本文采用薄板樣條函數(shù)對經(jīng)過初步配準之后的待配準圖像進行精配準，提高醫(yī)學圖像配準