基于特征點的異源圖像配準技術(shù)及其應(yīng)用的研究開題報告

1、論文開題報告 論文題目：基于特征點的異源圖像配準技術(shù)及其應(yīng)用的研究立論依據(jù)（所選課題的科學(xué)意義和應(yīng)用前景，國內(nèi)外研究現(xiàn)狀分析）：1. 所愿課題的科學(xué)意義和應(yīng)用背景圖像配準技術(shù)是圖像處理領(lǐng)域中的重要研究課題，對不同成像手段獲得的異源圖像進行配準可以用于醫(yī)療診斷、三維重建、手術(shù)計劃的制定、放射治療計劃的制定、病理變換的跟蹤和治療效果的評價等各個方面。近二十年來，國內(nèi)外廣大科學(xué)工作者以及醫(yī)務(wù)工作者對于醫(yī)學(xué)圖像配準技術(shù)的研究已經(jīng)取得了不菲的成績。然而，成像技術(shù)的進一步發(fā)展以及臨床實踐的更高要求都為醫(yī)學(xué)圖像配準提出了新的課題，注入了新的研究動力。況且，醫(yī)學(xué)圖像配準本身是一個非常復(fù)雜的過程，不同的臨床應(yīng)用

2、需要不同的配準技術(shù)，現(xiàn)有的配準算法有的雖然配準精度高，但計算復(fù)雜度大而耗時較長，有的雖然配準速度快，但配準精度欠缺，有的則配準的自動化程度不高，需要富有經(jīng)驗的醫(yī)生進行人工干預(yù)和手動標記，才能完成配準，有的配準算法魯棒性不強，不能適用于各種醫(yī)學(xué)圖像。如基于圖像灰度信息的算法使用靈活，但其運算量大，且魯棒性不強；沈定剛提出的HAMMER算法，在腦圖像的彈性配準中取得很好的效果，配準精度和魯棒性明顯優(yōu)于基于圖像灰度信息的算法，然而，HAMMER不足之處在于屬性向量的定義依賴于腦組織的圖像分割結(jié)果。所有這些情況都限制了圖像配準的實際應(yīng)用，因此需要進一步地深入研究圖像配準中的各關(guān)鍵技術(shù)?，F(xiàn)階段，基于特征

3、的圖像配準算法已經(jīng)較為成熟，針對不同的領(lǐng)域，出現(xiàn)了各種優(yōu)秀的算法。在醫(yī)學(xué)圖像這個領(lǐng)域，也需要通過對現(xiàn)有方法或加以改進或提出更好的方法代替，做到自動、快速、精確和魯棒性強。2. 國內(nèi)外研究現(xiàn)狀分析圖像配準是將同一場景由不同時間、不同視角、不同傳感器獲得的兩幅或多幅圖像疊加的過程。有些學(xué)者對圖像配準與圖像匹配是一個概念，從配準方法上劃分，分為基于區(qū)域和基于特征的兩種方法。相對與基于區(qū)域的配準方法，基于特征的配準方法具有更強大的區(qū)分能力，對于遮擋具有更好的魯棒性，而好的特征能夠?qū)D像的旋轉(zhuǎn)、平移、尺度變換、視角變化、甚至一定程度的光照變化具有不變性。因此基于特征的配準方法逐漸成為研究的熱點?；谔卣?/p>

4、的配準方法并不直接利用灰度信息，特征可以是點特征，線特征或者區(qū)域特征等。一般來說，特征需要滿足以下條件：不變性，實時圖和參考圖的特征需一致。唯一性，不同的特征用不同的特征描述符來表示。穩(wěn)定性，輕微退化之后保持不變。獨立性，如果特征是一個矢量，各個元素要獨立?；谔卣鞯膱D像配準算法都包括特征檢測和生成特征描述符和相似性度量三個部分。前者用于回答“特征在哪”。中者用于解決“特征是怎樣的”，后者用于建立特征點對應(yīng)關(guān)系，建立圖像間集合變換模型。本文主要考慮點特征。點特征是一種常見的圖像特征，一般包括角點、極值點、交叉點、端點等。常用的點特征提取算法有：Movarac算子、Harris算子、Fostne

5、r算子、DOG算子、Susan算子、Fast算子。20世紀80年代以來，醫(yī)學(xué)圖像配準的研究受了到國內(nèi)外醫(yī)學(xué)界和工程界的高度重視，Petra等綜述了二維圖像的配準方法，并根據(jù)配準基準的特性，將圖像配準的方法分為兩大類：基于外部特征(有框架)的圖像配準和基于內(nèi)部特征(無框架)的圖像配準19。1992年，J.Besl等提出了經(jīng)典的迭代最近點法,它利用了圖像中能夠被有效提取的特征點，但當時此方法僅限于剛性配準。沈定剛等學(xué)者在2002年提出了基于特征點的HAMMER算法，并成功應(yīng)用于腦MR圖像的彈性配準，此算法首先采用較為復(fù)雜的點特征提取算法在待配準圖像對中分別提取特征點，然后用矢量的歐式距離來尋找正確

6、的匹配點對，最后用樣條函數(shù)對其它點的偏移量進行插值處理，它的缺點在于運算量較大,配準過程較為耗時。David G.Lowe在2004年提出了一種尺度空間不變特征(Seale Invariant Feature Transform,SIFT)的彈性配準算法，該方法首先在尺度空間進行特征檢測，并確定關(guān)鍵點的位置和所在的尺度,然后使用關(guān)鍵點鄰域梯度的主方向作為該點的方向特征，以實現(xiàn)算子對尺度和方向的無關(guān)性17。研究內(nèi)容、預(yù)期目標或成果（具體說明課題研究內(nèi)容、要重點解決的關(guān)鍵問題和本課題所要達到的目標或要取得的成果）：1. 研究內(nèi)容（1） 研究異源圖像配準的原理以及常用的優(yōu)化方法；（2） 采用Harr

7、is角點檢測實現(xiàn)對圖像特征點的提取；（3） 提出一種基于特征點的異源圖像配準方法；（4） 經(jīng)腦部MRI圖像配準，對配準結(jié)果進行適配性分析并改進配準方法。2. 要解決的關(guān)鍵問題（1）基于特征點的異源圖像配準新方法提出。（2）選擇合適的圖像適配性評價體制。3.本課題所要達到的目標或要取得的成果（1）在Harris角點檢測提取特征點的基礎(chǔ)上，提出一種基于特征點異源圖像配準的新方法。 （2）建立基于點特征匹配算法的異源醫(yī)學(xué)圖像適配性分析機制。針對點特征匹配算法，以不同退化模型條件下特征點的重復(fù)性為出發(fā)點，結(jié)合參考圖和實時圖的特性以及MRI圖像的特性，選擇合適的退化模型，對給定基準圖進行適配性分析，并給

8、出定量指標。擬采用的研究方法、技術(shù)路線、試驗方案及可行性分析、現(xiàn)有的研究基礎(chǔ)：1. 擬采用的研究方法、技術(shù)路線及可行性分析本課題選取多幅腦部MRI圖像為例進行分析，先采用Harris角點檢測提取特征點，然后根據(jù)提取的特征點用SIFT方法的梯度方向直方圖生成特征點的描述矢量，再對圖像進行配準，最后對配準方法進行適配型分析。（1）特征點提取采用Harris算子進行角點檢測，Harris算子是一種非常有效的角點檢測算法，它具有以下幾個優(yōu)點：計算簡單（只需計算一階差分）；操作簡單；算法穩(wěn)定。具體步驟如下11：（a） 對所選MRI腦部圖片每個像素點按以下順序計算相關(guān)矩陣M; （1） （2） （3） （4

9、）其中,Ix為x方向的差分，Iy為y方向的差分，w(x,y)為高斯函數(shù)。（b） 計算所選MRI腦部圖片每個像素點的Harris角點響應(yīng)； （5）其中K常取0.040.06。（c）在w*w范圍內(nèi)尋找極大值點，若Harris角點響應(yīng)大于閥值，則視為角點Harris算子對灰度的平移是不變的，因為只有差分，對旋轉(zhuǎn)也有不變性,但是對尺度很敏感，在一個尺度下是角點，在在另一個尺度下可能就不是了。（2） 圖像配準 擬采用下述方法進行圖像配準：（a）用SIFT方法的梯度方向直方圖生成特征點的描述矢量，將角度劃分為8個區(qū)間，以每一個特征點為中心取8x8大小的鄰域窗口，然后在每4x4大小的區(qū)域內(nèi)計算8個方向的梯度

10、方向直方圖，因此本文中的SIFT描述子為32維的向量，記為f(x)。 （b）利用非極大值抑制方法，在模板圖像上層次性地選取特征點配準迭代的初始階段，選取的特征點是顯著性好的角點和邊界點，隨著迭代次數(shù)的增加，選取的特征點也越來越多，直到模板圖像上的所有點都作為配準的主特征點。（c）在模板圖像和目標圖像上搜索特征點的匹配點，得到特征點的偏移量，并按(6)式計算其余像素點的偏移量，其中u(y)為主特征點y的偏移量，x為y鄰域內(nèi)的點，u(x)為x點的偏移量。 （6）（d）修正變形場。根據(jù)模板圖像和目標圖像中特征點之間的匹配關(guān)系，利用最小二乘法計算仿射變換矩陣A和平移項B，如(7)式所示。 （7）其中為

11、模版圖像的特征點集，為對應(yīng)的坐標集，為形變后的坐標集，為偏移量。最終變形場由(8)式求得 （8）式中的前項表示圖像的局部彈性變換的偏移量，后項表示圖像的全局仿射變換的偏移量，其中0<入<1。在初始形變時，入很小，全局仿射變換在變換中占主導(dǎo)作用，隨著形變次數(shù)的增加，入越來越大，局部彈性變換在變換中貢獻越來越大，直至為1，調(diào)節(jié)入可以很好地避免局部極小值。（e）計算變形后的目標圖像，并把該變形場作為下一次迭代配準的初始變形場。（3）適配性分析及改進在實際應(yīng)用中，通常擁有目標區(qū)域的參考圖圖像數(shù)據(jù)庫和少量實時圖數(shù)據(jù)，適配性分析可以分為最優(yōu)退化模型選擇階段和適配性評價階段兩個方面。最優(yōu)退化模型

12、階段是為了尋找參考圖到基準圖的最優(yōu)退化模型。可以分為2步：（a）對實時圖和對應(yīng)區(qū)域的參考圖進行預(yù)處理，并提取特征點。記錄重復(fù)的特征點。（b）采用不同的退化模型對參考圖進行退化，根據(jù)步驟（a）重復(fù)的特征點，繪制真點率曲線，并計算其積分，積分值最大的為最優(yōu)退化模型。適配性評價階段對給定的參考圖進行適配性評價，可以分為2步：（a）對參考圖進行預(yù)處理，然后用最優(yōu)退化模型進行退化，該退化模型參數(shù)的取值范圍由上階段確定，為在一定范圍內(nèi)等分成N組逐漸增加的數(shù)值。通過這N個不同參數(shù)的退化模型，模擬生成N幅觀測圖。（b）以這N+1幅圖像為對象，基于特定的特征提取算法，計算重復(fù)性。最后根據(jù)真實適配性函數(shù)檢驗實驗結(jié)

13、果，其公式為： 其中Iref為參考圖，Iobs為實際圖，nref為參考圖的特征點個數(shù)，firef為參考圖第i個特征點參數(shù)，F(xiàn)obs為實際圖檢測的所有特征集合。Ep為像素誤差函數(shù)，p為像素誤差。2. 現(xiàn)有的研究基礎(chǔ) 已閱讀大量相關(guān)文獻。 主要參考文獻目錄：1劉貴喜，劉冬梅，劉鳳鵬，周亞平.一種穩(wěn)健的特征點配準算法J.光學(xué)學(xué)報，2008-3,28(3).2周成平，蔣煜，李玲玲，彭曉明.基于改進角點特征的多傳感器圖像配準J.華中科技大學(xué)學(xué)報 (自然科學(xué)版) ，2005-11，33(11).3曹耀輝.一種圖像高精度匹配方法J.計算機仿真，2009,26(9) :203-206. 4 于盈,程詠梅,潘

14、泉,曲圣杰.一種異源圖像多級配準算法J.計算機仿真，2011-9：256-259，263. 5 朱憲偉.基于結(jié)構(gòu)特征的異源圖像配準技術(shù)的研究博士學(xué)位論文.長沙:國防科技大學(xué)，2009.9. 6 倪國強，劉 瓊. 多源圖像配準技術(shù)J. 光電工程，2004，31(9):16 7 倪國強，劉瓊. 多源圖像配準技術(shù)分析與展望J. 光電工程，2004, 31(9): 16 8 Xuesong Lu, Su Zhang, He Su. Mutual information-based multimodal image registration using a noveljoint histogram es

15、timationJ. Computerized Medical Imaging and Graphics, 2008, 32, 202209 9 張恒, 于起峰, 丁曉華等. 基于加權(quán) Gabor 梯度的新型多尺度角點檢測方法J，中國圖象圖形學(xué) 報，2007, 12(8)：13771382. 10 楊述斌,彭復(fù)員,張增常.多尺度自適應(yīng)加權(quán)形態(tài)邊緣檢測器J.華中科技大學(xué)學(xué)報, 2002, 30(10): 4245. 11 郭六生.基于特征點的圖像配準技術(shù)研究碩士學(xué)位論文.廣州:南方醫(yī)科大學(xué), 2011,4. 12 肖明,胡天江,潘亮,沈林成 .一種基于點特征的異源SAR圖像配準方法的研究J.自動

16、化學(xué)報,2012-6,1-10. 13 藺海峰,馬宇峰,送濤.基于SIFT 特征目標跟蹤算法研究.自動化學(xué)報,2010,36(8):12041208. 14 劉新剛.醫(yī)學(xué)圖像彈性配準新算法的研究博士學(xué)位論文,廣州,第一軍醫(yī)大學(xué)生物醫(yī)學(xué)工程學(xué)院,2006. 15 李玲玲,李翠華,曾曉明,等.基于Harris-Affine和SIFT特征匹配的圖像自動配準J.華中科技大學(xué)學(xué)報,2008,36(8):13一16. 16 曹曉峰,王未央.基于SIFT特征的匹配算法改進J.微計算機信息,2010,26(12):236-23. 17 郭六生,馮前進,負照強,李慧慧.一種基于感興趣點旋轉(zhuǎn)不變性特征的圖像配準新方法J,中國醫(yī)學(xué)物理學(xué)雜志,2011.25(l),2634一263. 18 龔聲蓉,劉純平,王強,等.數(shù)字圖像處理與分析M,北京:清華大學(xué)出版社,2006. 19 鄭亞琴,田心.醫(yī)學(xué)圖像配準技術(shù)研究進展J,國際生物醫(yī)學(xué)工程雜志,2006,4(2):88-92. 20 張煌,劉哲星.醫(yī)學(xué)圖像信息融合技術(shù)的發(fā)展.國外醫(yī)學(xué):生物醫(yī)學(xué)工程分冊.vol.23,no.4,PP.202一205,2000 21 羅述謙,周國宏.醫(yī)學(xué)圖像處理與分析M,北京:科學(xué)出版社,2003.二、論文工作實施計劃論文工作的具體進度