轮廓提取配准方法思考范文

本站小编为你精心准备了轮廓提取配准方法思考参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1基于轮廓提取的配准参数及其确定

基于轮廓提取的医学图像配准主要涉及三个参数:平移参数T、旋转参数R和尺度参数S.平移参数T反映了测试图像与参考图像的相对位移,旋转参数R反映了测试图像与参考图像的相对角度差,尺度参数S反映了测试图像与参考图像的相对大小.本配准算法的要求就是在基于轮廓提取的基础上找出这些参数的一个最优解.文中假设配准的两幅图像中参考图像记为s(x,y),测试图像记为t(x,y).

1.1尺度参数S当只对图像进行平移和旋转运算而不进行放大缩小运算时,物体的周长是不变的,可见周长对平移和旋转操作是一个不变的量.因此我们可以用图像的轮廓周长比来确定两幅图像之间的尺度关系.

1.1.1轮廓线周长L

轮廓上的任一点总有8个点和它相邻,即8邻域点.我们以如图1的顺序对轮廓进行跟踪,得到轮廓线的方向码链,从而轮廓线周长可以用下面的公式近似计算[10]:

1.1.2确定尺度参数S

①根据公式(2),计算参考图像s′(x,y)的轮廓周长Ls;②同理计算测试图像t′(x,y)的轮廓周长Lt;③计算尺度参数S=LsLt.(3)

1.2平移参数T

图像的几何质心可确定物体的位置,当两幅图像配准时图像的质心应重合,因此可以根据两幅图像的轮廓质心坐标来确定配准的平移参数T.由于轮廓提取过程会产生微小畸变,为了消除此类误差对轮廓质心的影响,首先将轮廓进行填充,即把图像闭合轮廓曲线内的所有像素置1,再确定质心坐标.

1.2.1二值图像质心(xC,yC)任意图像的质心可由其零阶与一阶矩确定,所以二值图像g″(x,y)的目标质心坐标。其中(xi,yj)是二值图像中像素的坐标,m和n是图像的行数和列数.

1.2.2确定平移参数T根据定义2,可按以下步骤确定平移参数T:①根据公式(5)计算参考图像s″(x,y)的质心坐标(xsC,ysC);②同理计算测试图像t″(x,y)的质心坐标(xtC,ytC);③计算平移参数T:Tx=xtC-xsC,Ty=ytC-ysC.(6)

1.3旋转参数R

当平移参数T和尺度参数S确定后,通过对图像进行平移和尺度变换操作,使待配准的两幅图像之间只存在角度之间的差异.当两幅图像完全匹配时,对应坐标点的像素值应相同.据此,可以采用异或运算来构造一个评价函数,用其度量两幅二值图像配准过程中的匹配程度.

1.3.1构造评价函数

根据以上分析,可构造如下函数:diff(x″,y″)=∑x″y″,(7)其中,x″y″=0,当x″和y″对应像素点像素值同时为0或1时1,当x″和y″对应像素点像素值相异时,x″和y″分别是待配准的图像x和y对应的二值图像.可见diff(x″,y″)描述的是x和y两幅二值图像中对应像素之间的像素值的异或关系,当diff(x″,y″)值最小时,两幅图像具有最大相似性.

1.3.2确定旋转参数R

根据构造函数diff(x″,y″),确定最佳旋转参数的问题转化为搜索一个角度使函数diff(x″,y″)的值最小的问题.为此我们对测试图像进行旋转,每旋转一个角度,就计算一次diff(x″,y″)的值,这样循环迭代,当diff(x″,y″)为最小时,测试图像所旋转的角度就是最佳的配准旋转参数R.其算法描述如下:①初始化参数;②平移t″(x,y),使其质心与s″(x,y)重合;③对t″(x,y)进行尺度变换,使其尺度与s″(x,y)一致;④以质心为旋转中心,不断旋转t″(x,y),当diff(s″(x,y),t″(x,y))达到最小时t″(x,y)所旋转过的角度即为所求的最佳旋转参数R.

2医学图像配准实验结果

从广西桂林市南溪山医院核医学科选取了一组图片,该图为一个肿瘤患者的头部功能医学图像a为参考图像,图2b为测试图像,c为参考图像和测试图像不经配准直接融合得到的无配准融合图像.我们分别采用基于轮廓质心和主轴的配准算法、基于最大互信息的配准算法以及本文算法对图2a和图2b进行配准,得到如表1所示的配准参数,并根据各组配准参数对测试图像图2b实现平移、旋转及尺度变换,得到第二行的三幅配准图像,其中图2d为基于轮廓质心和主轴配准算法得到的配准图像,图2e为基于最大互信息配准算法得到的配准融合图像,图2f为本文算法得到的配准融合图像.3算法分析及其评价轮廓是医学影像中非常重要、非常有用的信息.本文算法是基于医学影像中器官的轮廓,计算出平移参数和尺度参数,然后利用异或运算构造一个评价函数,通过循环迭代求得旋转参数的一个最优解.

由于轮廓是图像中一个相对稳定的信息,它受外界条件的影响相对较小,因此本算法具有较强的抗干扰能力,同时也适合不同形式的医学影像的配准.当然,本文配准算法的配准精度受到轮廓提取精度的影响,而轮廓的提取精度又直接受图像质量和轮廓提取算法的制约.因此,为了得到更高的配准精度,可以根据图像特点对其进行图像预处理[11,12],抑制图像中存在的噪声,同时突出目标的轮廓线,再提取轮廓线.从理论分析及实验所示数据表,我们可以看出,本文配准算法的配准时间稍慢于基于轮廓质心和主轴的配准算法,但远远小于基于最大互信息的配准算法.从图像的融合结果看,本文的融合效果也是介于另外两种算法之间.因此,本文算法是有效的.