精选基于特征点的异源图像配准技术及其应用的研究开题报告.docx
《精选基于特征点的异源图像配准技术及其应用的研究开题报告.docx》由会员分享,可在线阅读,更多相关《精选基于特征点的异源图像配准技术及其应用的研究开题报告.docx(12页珍藏版)》请在冰豆网上搜索。
![精选基于特征点的异源图像配准技术及其应用的研究开题报告.docx](https://file1.bdocx.com/fileroot1/2023-1/24/9d36e0c9-b0eb-4859-a50f-68f114020e78/9d36e0c9-b0eb-4859-a50f-68f114020e781.gif)
精选基于特征点的异源图像配准技术及其应用的研究开题报告
说明
一、开题报告评议小组由3-5名副高职以上职称的专家组成。
评议小组设秘书一人,协助组织和处理评议事宜,并做好详细记录,记录由学院作为原始材料保存备查。
二、本开题报告一式二份,需用A4纸张、正反打印。
一、论文开题报告(申请时间:
2013年4月19日)
论文题目:
基于特征点的异源图像配准技术及其应用的研究
研究方向:
图像处理
⑴立论依据(所选课题的科学意义和应用前景,国内外研究现状分析):
1.所愿课题的科学意义和应用背景
图像配准技术是图像处理领域中的重要研究课题,对不同成像手段获得的异源图像进行配准可以用于医疗诊断、三维重建、手术计划的制定、放射治疗计划的制定、病理变换的跟踪和治疗效果的评价等各个方面。
近二十年来,国内外广大科学工作者以及医务工作者对于医学图像配准技术的研究已经取得了不菲的成绩。
然而,成像技术的进一步发展以及临床实践的更高要求都为医学图像配准提出了新的课题,注入了新的研究动力。
况且,医学图像配准本身是一个非常复杂的过程,不同的临床应用需要不同的配准技术,现有的配准算法有的虽然配准精度高,但计算复杂度大而耗时较长,有的虽然配准速度快,但配准精度欠缺,有的则配准的自动化程度不高,需要富有经验的医生进行人工干预和手动标记,才能完成配准,有的配准算法鲁棒性不强,不能适用于各种医学图像。
如基于图像灰度信息的算法使用灵活,但其运算量大,且鲁棒性不强;沈定刚提出的HAMMER算法,在脑图像的弹性配准中取得很好的效果,配准精度和鲁棒性明显优于基于图像灰度信息的算法,然而,HAMMER不足之处在于属性向量的定义依赖于脑组织的图像分割结果。
所有这些情况都限制了图像配准的实际应用,因此需要进一步地深入研究图像配准中的各关键技术。
现阶段,基于特征的图像配准算法已经较为成熟,针对不同的领域,出现了各种优秀的算法。
在医学图像这个领域,也需要通过对现有方法或加以改进或提出更好的方法代替,做到自动、快速、精确和鲁棒性强。
2.国内外研究现状分析
图像配准是将同一场景由不同时间、不同视角、不同传感器获得的两幅或多幅图像叠加的过程。
有些学者对图像配准与图像匹配是一个概念,从配准方法上划分,分为基于区域和基于特征的两种方法。
相对与基于区域的配准方法,基于特征的配准方法具有更强大的区分能力,对于遮挡具有更好的鲁棒性,而好的特征能够对图像的旋转、平移、尺度变换、视角变化、甚至一定程度的光照变化具有不变性。
因此基于特征的配准方法逐渐成为研究的热点。
基于特征的配准方法并不直接利用灰度信息,特征可以是点特征,线特征或者区域特征等。
一般来说,特征需要满足以下条件:
不变性,实时图和参考图的特征需一致。
唯一性,不同的特征用不同的特征描述符来表示。
稳定性,轻微退化之后保持不变。
独立性,如果特征是一个矢量,各个元素要独立。
基于特征的图像配准算法都包括特征检测和生成特征描述符和相似性度量三个部分。
前者用于回答“特征在哪”。
中者用于解决“特征是怎样的”,后者用于建立特征点对应关系,建立图像间集合变换模型。
本文主要考虑点特征。
点特征是一种常见的图像特征,一般包括角点、极值点、交叉点、端点等。
常用的点特征提取算法有:
Movarac算子、Harris算子、Fostner算子、DOG算子、Susan算子、Fast算子。
20世纪80年代以来,医学图像配准的研究受了到国内外医学界和工程界的高度重视,Petra等综述了二维图像的配准方法,并根据配准基准的特性,将图像配准的方法分为两大类:
基于外部特征(有框架)的图像配准和基于内部特征(无框架)的图像配准[19]。
1992年,J.Besl等提出了经典的迭代最近点法,它利用了图像中能够被有效提取的特征点,但当时此方法仅限于刚性配准。
沈定刚等学者在2002年提出了基于特征点的HAMMER算法,并成功应用于脑MR图像的弹性配准,此算法首先采用较为复杂的点特征提取算法在待配准图像对中分别提取特征点,然后用矢量的欧式距离来寻找正确的匹配点对,最后用样条函数对其它点的偏移量进行插值处理,它的缺点在于运算量较大,配准过程较为耗时。
DavidG.Lowe在2004年提出了一种尺度空间不变特征(SealeInvariantFeatureTransform,SIFT)的弹性配准算法,该方法首先在尺度空间进行特征检测,并确定关键点的位置和所在的尺度,然后使用关键点邻域梯度的主方向作为该点的方向特征,以实现算子对尺度和方向的无关性[17]。
⑵研究内容、预期目标或成果(具体说明课题研究内容、要重点解决的关键问题和本课题所要达到的目标或要取得的成果):
1.研究内容
(1)研究异源图像配准的原理以及常用的优化方法;
(2)采用Harris角点检测实现对图像特征点的提取;
(3)提出一种基于特征点的异源图像配准方法;
(4)经脑部MRI图像配准,对配准结果进行适配性分析并改进配准方法。
2.要解决的关键问题
(1)基于特征点的异源图像配准新方法提出。
(2)选择合适的图像适配性评价体制。
3.本课题所要达到的目标或要取得的成果
(1)在Harris角点检测提取特征点的基础上,提出一种基于特征点异源图像配准的新方法。
(2)建立基于点特征匹配算法的异源医学图像适配性分析机制。
针对点特征匹配算法,以不同退化模型条件下特征点的重复性为出发点,结合参考图和实时图的特性以及MRI图像的特性,选择合适的退化模型,对给定基准图进行适配性分析,并给出定量指标。
⑶拟采用的研究方法、技术路线、试验方案及可行性分析、现有的研究基础:
1.拟采用的研究方法、技术路线及可行性分析
本课题选取多幅脑部MRI图像为例进行分析,先采用Harris角点检测提取特征点,然后根据提取的特征点用SIFT方法的梯度方向直方图生成特征点的描述矢量,再对图像进行配准,最后对配准方法进行适配型分析。
(1)特征点提取
采用Harris算子进行角点检测,Harris算子是一种非常有效的角点检测算法,它具有以下几个优点:
计算简单(只需计算一阶差分);操作简单;算法稳定。
具体步骤如下[11]:
(a)对所选MRI脑部图片每个像素点按以下顺序计算相关矩阵M;
(1)
(2)
(3)
(4)
其中,Ix为x方向的差分,Iy为y方向的差分,w(x,y)为高斯函数。
(b)计算所选MRI脑部图片每个像素点的Harris角点响应;
(5)
其中K常取0.04~0.06。
(c)在w*w范围内寻找极大值点,若Harris角点响应大于阀值,则视为角点Harris算子对灰度的平移是不变的,因为只有差分,对旋转也有不变性,但是对尺度很敏感,在一个尺度下是角点,在在另一个尺度下可能就不是了。
(2)图像配准
拟采用下述方法进行图像配准:
(a)用SIFT方法的梯度方向直方图生成特征点的描述矢量,将角度划分为8个区间,以每一个特征点为中心取8x8大小的邻域窗口,然后在每4x4大小的区域内计算8个方向的梯度方向直方图,因此本文中的SIFT描述子为32维的向量,记为f(x)。
(b)利用非极大值抑制方法,在模板图像上层次性地选取特征点配准迭代的初始阶段,选取的特征点是显著性好的角点和边界点,随着迭代次数的增加,选取的特征点也越来越多,直到模板图像上的所有点都作为配准的主特征点。
(c)在模板图像和目标图像上搜索特征点的匹配点,得到特征点的偏移量,并按(6)式计算其余像素点的偏移量,其中u(y)为主特征点y的偏移量,x为y邻域内的点,u(x)为x点的偏移量。
(6)
(d)修正变形场。
根据模板图像和目标图像中特征点之间的匹配关系,利用最小二乘法计算仿射变换矩阵A和平移项B,如(7)式所示。
(7)
其中
为模版图像的特征点集,
为对应的坐标集,
为形变后的坐标集,
为偏移量。
最终变形场由(8)式求得
(8)
式中的前项表示图像的局部弹性变换的偏移量,后项表示图像的全局仿射变换的偏移量,其中0<入<1。
在初始形变时,入很小,全局仿射变换在变换中占主导作用,随着形变次数的增加,入越来越大,局部弹性变换在变换中贡献越来越大,直至为1,调节入可以很好地避免局部极小值。
(e)计算变形后的目标图像,并把该变形场作为下一次迭代配准的初始变形场。
(3)适配性分析及改进
在实际应用中,通常拥有目标区域的参考图图像数据库和少量实时图数据,适配性分析可以分为最优退化模型选择阶段和适配性评价阶段两个方面。
最优退化模型阶段是为了寻找参考图到基准图的最优退化模型。
可以分为2步:
(a)对实时图和对应区域的参考图进行预处理,并提取特征点。
记录重复的特征点。
(b)采用不同的退化模型对参考图进行退化,根据步骤(a)重复的特征点,绘制真点率曲线,并计算其积分,积分值最大的为最优退化模型。
适配性评价阶段对给定的参考图进行适配性评价,可以分为2步:
(a)对参考图进行预处理,然后用最优退化模型进行退化,该退化模型参数的取值范围由上阶段确定,为在一定范围内等分成N组逐渐增加的数值。
通过这N个不同参数的退化模型,模拟生成N幅观测图。
(b)以这N+1幅图像为对象,基于特定的特征提取算法,计算重复性。
最后根据真实适配性函数检验实验结果,其公式为:
其中Iref为参考图,Iobs为实际图,nref为参考图的特征点个数,firef为参考图第i个特征点参数,Fobs为实际图检测的所有特征集合。
Ep为像素误差函数,
,p为像素误差。
2.现有的研究基础
已阅读大量相关文献。
⑷主要参考文献目录:
[1]刘贵喜,刘冬梅,刘凤鹏,周亚平.一种稳健的特征点配准算法[J].光学学报,2008-3,28(3).
[2]周成平,蒋煜,李玲玲,彭晓明.基于改进角点特征的多传感器图像配准[J].华中科技大学学报
(自然科学版),2005-11,33(11).
[3]曹耀辉.一种图像高精度匹配方法[J].计算机仿真,2009,26(9):
203-206.
[4]于盈,程咏梅,潘泉,曲圣杰.一种异源图像多级配准算法[J].计算机仿真,2011-9:
256-259,263.
[5]朱宪伟.基于结构特征的异源图像配准技术的研究[博士学位论文].长沙:
国防科技大学,2009.9.
[6]倪国强,刘琼.多源图像配准技术[J].光电工程,2004,31(9):
1~6
[7]倪国强,刘琼.多源图像配准技术分析与展望[J].光电工程,2004,31(9):
1~6
[8]XuesongLu,SuZhang,HeSu.Mutualinformation-basedmultimodalimageregistrationusinganovel
jointhistogramestimation[J].ComputerizedMedicalImagingandGraphics,2008,32,202~209
[9]张恒,于起峰,丁晓华等.基于加权Gabor梯度的新型多尺度角点检测方法[J],中国图象图形学
报,2007,12(8):
1377~1382.
[10]杨述斌,彭复员,张增常.多尺度自适应加权形态边缘检测器[J].华中科技大学学报,2002,30(10):
42~45.
[11]郭六生.基于特征点的图像配准技术研究[硕士学位论文].广州:
南方医科大学,2011,4.
[12]肖明,胡天江,潘亮,沈林成.一种基于点特征的异源SAR图像配准方法的研究[J].自动化学报,2012-6,1-10.
[13]蔺海峰,马宇峰,送涛.基于SIFT特征目标跟踪算法研究.自动化学报,2010,36(8):
1204−1208.
[14]刘新刚.医学图像弹性配准新算法的研究[博士学位论文],广州,第一军医大学生物医学工程学院,2006.
[15]李玲玲,李翠华,曾晓明,等.基于Harris-Affine和SIFT特征匹配的图像自动配准[J].华中科技大学学报,2008,36(8):
13一16.
[16]曹晓峰,王未央.基于SIFT特征的匹配算法改进[J].微计算机信息,2010,26(12):
236-23.
[17]郭六生,冯前进,负照强,李慧慧.一种基于感兴趣点旋转不变性特征的图像配准新方法[J],中国医学物理学杂志,2011.25(l),2634一263.
[18]龚声蓉,刘纯平,王强,等.数字图像处理与分析[M],北京:
清华大学出版社,2006.
[19]郑亚琴,田心.医学图像配准技术研究进展[J],国际生物医学工程杂志,2006,4
(2):
88-92.
[20]张煌,刘哲星.医学图像信息融合技术的发展.国外医学:
生物医学工程分册.vol.23,no.4,PP.202一205,2000
[21]罗述谦,周国宏.医学图像处理与分析[M],北京:
科学出版社,2003.
二、论文工作实施计划
论文工作的具体进度与安排(含调研、完成时间等)
起止日期
内容摘要
备注
2012.12~2013.4
阅读图像配准的相关文献
为开题做准备
2013.4~2013.9
根据开题思路完成算法的编程工作
为撰写毕业论文做准备
2013.9~2013.12
调试算法检验效果并记录相关数据
为撰写毕业论文做准备
2014.1~2014.3
基本完成论文的撰写工作准备预答辩
2014.4~2014.5
论文修改至定稿,参加论文正式答辩
指导教师意见:
指导教师签字:
年月日
评议小组评价意见:
开题报告考查成绩:
评议小组组长签字:
年月日
学院审查意见:
学院分管领导签字(盖章):
年月日