论文研究-基于隐含形状表示和边缘信息融合的非刚体图像配准 .pdf

所需积分/C币:5 2019-08-18 21:40:39 988KB .PDF
收藏 收藏
举报

基于隐含形状表示和边缘信息融合的非刚体图像配准,廖秀秀,于慧敏,本文提出基于隐含形状表示和边缘信息融合的多分辨率网格非刚体图像配准算法,使用从全局到局部的层次变换模型覆盖整个变换域,解
山国武技文在线 形心 计算距离 全局 付齐 块射图 配准 最优变换 参数 重采样 迭代进行 图全局配准框图 关」隐含形状表示的一个比较关注的问题是它在配准过程中的效率,因为它比原始形状 高维。我们解决这个问题的方法是只使用嵌入空冋中轮廓附近的窄带作为采样区域。这样 在提島速度的同吋产生了可与使用整个图像区域相比拟的结果,并且防止了图像配准过程中 出界点()产生误差的问题 萄国國图 参考图像 距离映射图Φ 浮动图像 距离映射图Φ 图外部轮廓的距离映射图 最大化互信息的全局配准 互信息是信息论中的一个基本概念,是两个随机变量统计相关性的测度。当两幅基于共 同解剖结构的图像达到最佳配准时,它们对应像素的灰度互信息应达到最人。互信息方法只 依赖于图像本身的信息,不需要仟何假设或者先验知识,也不需要对图像进行特征点提取、 组织分类等预处理,并且精度和可靠性高,所以本文采用最大化互信息作为仝局配准准则。 两幅图像和的可信息可以定义如下、分别表示参考图像和形心对齐后的浮 动图像外部轮廓的距离映射图 其中 为随机变量与的个体熵和联合熵,其定义为 山国武技文在线 这里 和 为边缘概率密度函数, 为联合概率密度函数 选择的隐含形状表示具有平移、旋转不变的特性。当形状发生尺度变换时,相关毘离映 射图的密度值相应地有尺度的改变。因此,配准不同尺度形状的距离映射图类似于匹配相同 场景儿素的多模图像,互信息能够处理这一类配准门趣。结合互信息配准方法和隐含形状 表小,给出了全局配准的一个框架,它只有平移、旋转、尺度不变性,并可应用于任意维数 的变换 本文选择相似变换作为全局变换。相似变换共六个参数:各向同性尺度、旋 转角度、中心点坐标(方向、方向)、平移(方向、方向)。当配准参量只有两个未知 量时,距离图的互信息度量函数是凸函数,有平滑和包含惟一全局最小的特性。这种全局 收敛性非常重要,避免了优化时陷入局部极值。由于我们已经预先进行了形心对齐,每一步 的相似变换后个参数都已纾确定,未知参量只有前个,满足上述条件,因而容易得到全 局最优值。 全局配准实验结果 利用上述算法对脑部图像进行全局配准,结果如图所示,外部轮廓基本对齐。进 行对比实验,不利用距离映射图而直接对原图进行全局配准,结果见图 参考图像 浮动图像 形心对齐 全局配准结果 与的差分图像 与的差分图像 全局配准结果 与的差分图像 图全局配准结果,其中为不使用距离图的全局配准结果 计算与 之问的互信息,分别为 比特。利用距离映射图的算 法效果较好。 基于样条的多分辨率网格局部配准 相似变换只能捕捉仝局形变。在很多应用领域,仝局配准通常不够精确。局部形变可以 辅助仝局配准模型得到精确的形变配准域。我们选择碁于样条的多分辨夲网格模型 来描述局部形变。是一种空间变形模型,在图像配准、目标跟踪和运动分析中应用很 山国武技文在线 广泛 的基本思想是通过控制点的网格扰动来实现目标的变形。为了定义基于样条的 ,我们表示图像域为Ω2= ≤<≤<。令Δ表小控制点λ的一个大 小为×的网格,控制点λ有均匀问距δ。那么,可以写成我们熟悉的维三次 样条的维张量积形式: 这里 表示第阶 样条基函数: 和薄板样条或弹性体样条相比,样条是局部控制的,这使得它即使对于大数目的控制 点计算效率也很高。特别地,三次样条的基函数是有限支持的,就是说改变控制点克只 在控制点局部邻域内影响变换。 控制点Δ作为样条的参量和非刚体形变的自由度,它的建模主要依赖于A网格 的分辨率。大的控制点间距允许全局非刚体形变,而小的控制点间距可以对高度局部化的非 刚体形变建模。冋时,控制点网格的分辨率定义了自由度的数目,从而决定了计算的复杂度 例如,控制点网格为×的样条其变换自由度为模型灵活性和计算复杂度 之间的折衷主要是根据经验选择的,由模型精度和计算吋间要求来决定。为了使非刚体形变 自由度和计算代价两方面得到好的妥协,我们实现了层次的多分辨率网格方法,使控制网格 的分辨率从粗糙到精确。 令Δ∵·Δ表示不同分辨率的搾制点网格。我们简单地假设控制点的间距从A逐步 减小到Δ,即控制网格的分辨率逐步增加。每个控制网格A和其相关联的样条定 义了该解析级的局部形变,它们的和组成局部交换 在这种情况下,局部变换是控制氐网格各解析级的样条变换的联合。为了防止单独 计算若干次样条的开销,我们通过控制点网格逐步细化的单个样条来表示局 部变换。这样,通过在级插入新的控制点网格来形成+级的控制点网格。假设在每一步 控制点问距减半,那么控制点与2的位置是一样的,而新控制点A的值能够使用 样条细分算法直接从∧的值得到。 边缘信息的融合 上面的算法作用于整嗝图像所有数据,对一些边缘比较模糊的图像,有时不能有效地突 山国武技文在线 岀边缘特别是弱边缘信息的重要贡献。边缘是图像中非常重要和非常敏感的信息,即使只是 两幅图像中某些对应的弱边缘没有配准,也会造成某个局部的配准误差。为了强调两幅图像 中对应边缘达到空间位置的一致,必须充分利用边缘信息。为此,我们对算法作了如下改进。 对参考图像和全局配准图像分别进行 算子滤波,得到各自的边缘检测图像 和 。由于使用标准,强边缘的引入会严重减弱其它弱边缘对相 似性度量的贡献,因此需要对强边缘加以抑制。方法是若边缘检测图像中像素值大于特定阈 值,则将其乘以一个小于的抑制因子。然后将原图与边缘检测图像按一定的权值进行图像 融合,形成新的图像 ,最后对融合后的图像、按上述多分辨率网格方法 进行配准。整个局部配准过程如图所示。 边缘 低分辨 样条 检测、 率网格参数分 图像 融合 高分辨率参数重 网格 采样 图局部配准框图 实验结果与分析 对图两幅全局配准后的脑部图像进行局部配准,结果如图所示。全局配准基木 对齐了外部轮廓,而局部形变主要是通过融合边缘信息的多分辨率网格模型实现的 从局部配准后的浮动图像(即最后的配准输出图像)与参考图像的差分图像可以看出, 结果是令人满意的。分辨牽的级薮可以棖据图像的特点和实验要求选取,兼顾结果精确度和 计算效率。本实验选择级网格。 参考图像 仝局配准结果 最后配准结果 与的差分图像 图脑部图像配准 山国武技文在线 为了崄证局部配准部分引入边缘信息与图像数据融合的效果,我们做了对比实验,对图 的和使用不同的权值做图像融合后进行配准,比较配准结果与参考图像的差分 图像,如图所示。其中为原图的权值,<≤。例如图中表示没有使用边缘 信息。表示受抑制强边缘的最低幅度阈值,即幅度大于此值则将其乘以小于的抑訇因 从差分图像可以看岀,加入边缘信息后配准结果更精确。随着减小,边缘图像的杈值 增大,图像中心内部轮廓的局部误差明显变小。计算每种情况下配准后的浮动图像与参 考图像的互信息,结果为 比特; 比特; 比特; 比特。 图不同权值融合图像的配准结果差分图像,为原图权值 对参考图像与每幅配准后的浮动图像在中心截取位置相冋的一小块区域计算互信息(见 图),结果为: 比特 比特 比特; 比特。互 信息的增长证明边缘信息的引入使得结果更加精确。 图显示了对两幅形变较人的脑部图像配准的全部过程 为了验证文中从全局到局部的层次配准算法的优越性,我们做了对比实验,对待配准图 像只做全局或局部配准,都不能得到好的结果,见图。而全局和局部配准结合的结果比较 理想。 国国国 图截取部分区域计算互信息,其中为原图的截取图像, 对应图 四种情况配准输出结朱的 截取图像,对应图 所示差分图像的截取图像 参考图像 浮动图像 形心对齐 仝局配准结昊 山国武技文在线 最后配准结果 与的差分图像 与的差分图像 与的差分图像 图形变较大的脑部图像配准 参考图像 只做全局配准 只做局部配准 全局和局部配准结合 图对比实验结果图 总结 本文提了种新的多方法和多数据融合的图像配准算法,通过从全局到局部的方法实 现精确的非刚体图像配准。全局变换结合隐含形状衣示和互信息度量的优点,利用外部轮廓 的距离映射图得到最优变换参量,实现全局配准。局部配准选择基于样条的多分辨率网 格模型,能够很好地兼顾结果精确度和计算效率,并引入边缘和图像数据融合技术以 充分利用边缘信息,得到平滑、连续且保证一到一映射的形变域。实验结果证明了该方法的 有效性。因此,采用方法和数据融合技术,可以获得更好更实用的图像配准方法。下一步的 工作是考虑在局部配准中加入轮廓约束条件,使隐含形状表示的优点得到更充分的发挥 参考文献 山国武技文在线 作者简介:廖秀秀,女,年生,湖南隆回人,硕士研究生,从事图像处理和信号处理 硏究

...展开详情
试读 9P 论文研究-基于隐含形状表示和边缘信息融合的非刚体图像配准 .pdf
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    抢沙发
    一个资源只可评论一次,评论内容不能少于5个字
    • 至尊王者

      成功上传501个资源即可获取
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐
    论文研究-基于隐含形状表示和边缘信息融合的非刚体图像配准 .pdf 5积分/C币 立即下载
    1/9
    论文研究-基于隐含形状表示和边缘信息融合的非刚体图像配准 .pdf第1页
    论文研究-基于隐含形状表示和边缘信息融合的非刚体图像配准 .pdf第2页
    论文研究-基于隐含形状表示和边缘信息融合的非刚体图像配准 .pdf第3页

    试读已结束,剩余6页未读...

    5积分/C币 立即下载 >