基于特征點的異源圖像配準(zhǔn)技術(shù)及其應(yīng)用的研究分析 開題報告

開題報告一、論文開題報告（申請時間：2013年4月19日）論文題目：基于特征點的異源圖像配準(zhǔn)技術(shù)及其應(yīng)用的研究研究方向：圖像處理⑴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）：所愿課題的科學(xué)意義和應(yīng)用背景圖像配準(zhǔn)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(zhǔn)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(zhǔn)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(zhǔn)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(zhǔn)本身是一個非常復(fù)雜的過程，不同的臨床應(yīng)用需要不同的配準(zhǔn)技術(shù)，現(xiàn)有的配準(zhǔn)算法有的雖然配準(zhǔn)精度高，但計算復(fù)雜度大而耗時較長，有的雖然配準(zhǔn)速度快，但配準(zhǔn)精度欠缺，有的則配準(zhǔn)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(biāo)記，才能完成配準(zhǔn)，有的配準(zhǔn)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(zhǔn)中取得很好的效果，配準(zhǔn)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(zhǔn)的實際應(yīng)用，因此需要進一步地深入研究圖像配準(zhǔn)中的各關(guān)鍵技術(shù)。現(xiàn)階段，基于特征的圖像配準(zhǔn)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。國內(nèi)外研究現(xiàn)狀分析圖像配準(zhǔn)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(zhǔn)與圖像匹配是一個概念，從配準(zhǔn)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(zhǔn)方法，基于特征的配準(zhǔn)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(zhǔn)方法逐漸成為研究的熱點?；谔卣鞯呐錅?zhǔn)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(zhǔn)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、Fostner算子、DOG算子、Susan算子、Fast算子。20世紀(jì)80年代以來，醫(yī)學(xué)圖像配準(zhǔn)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(zhǔn)方法，并根據(jù)配準(zhǔn)基準(zhǔn)的特性，將圖像配準(zhǔn)的方法分為兩大類：基于外部特征(有框架)的圖像配準(zhǔn)和基于內(nèi)部特征(無框架)的圖像配準(zhǔn)[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(dāng)時此方法僅限于剛性配準(zhǔn)。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(zhǔn)，此算法首先采用較為復(fù)雜的點特征提取算法在待配準(zhǔn)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(zhǔn)過程較為耗時。DavidG.Lowe在2004年提出了一種尺度空間不變特征(SealeInvariantFeatureTransform,SIFT)的彈性配準(zhǔn)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]。⑵研究內(nèi)容、預(yù)期目標(biāo)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(biāo)或要取得的成果）：研究內(nèi)容研究異源圖像配準(zhǔn)的原理以及常用的優(yōu)化方法；采用Harris角點檢測實現(xiàn)對圖像特征點的提取；提出一種基于特征點的異源圖像配準(zhǔn)方法；經(jīng)腦部MRI圖像配準(zhǔn)，對配準(zhǔn)結(jié)果進行適配性分析并改進配準(zhǔn)方法。要解決的關(guān)鍵問題（1）基于特征點的異源圖像配準(zhǔn)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(biāo)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(zhǔn)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(zhǔn)圖進行適配性分析，并給出定量指標(biāo)。⑶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)：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(zhǔn)，最后對配準(zhǔn)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]：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）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)。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0.04~0.06。（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。圖像配準(zhǔn)擬采用下述方法進行圖像配準(zhǔn)：（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(zhǔn)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(zhǔn)的主特征點。（c）在模板圖像和目標(biāo)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(biāo)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）其中為模版圖像的特征點集，為對應(yīng)的坐標(biāo)集，為形變后的坐標(biāo)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(biāo)圖像，并把該變形場作為下一次迭代配準(zhǔn)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(biāo)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)退化模型階段是為了尋找參考圖到基準(zhǔn)圖的最優(yōu)退化模型?？梢苑譃?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)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?，F(xiàn)有的研究基礎(chǔ)已閱讀大量相關(guān)文獻。⑷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(zhǔn)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(zhǔn)［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,潘泉,曲圣杰.一種異源圖像多級配準(zhǔn)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(zhǔn)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(zhǔn)技術(shù)[J].光電工程，2004，31(9):1~6[7]倪國強，劉瓊.多源圖像配準(zhǔn)技術(shù)分析與展望[J].光電工程，2004,31(9):1~6[8]XuesongLu,SuZhang,HeSu.Mutualinformation-basedmultimodalimageregistrationusinganoveljointhistogramestimation[J].ComputerizedMedicalImagingandGraphics,2008,32,202~209[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)：1377~1382.[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):42~45.[11]郭六生.基于特征點的圖像配準(zhǔn)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(zhǔn)方法的研究[J].自動化學(xué)報,2012-6,1-10.[13]藺海峰,馬宇峰,送濤.基于SIFT特征目標(biāo)跟蹤算法研究.自動化學(xué)報,2010,36(8):1204?1208.[14]劉新剛.醫(yī)學(xué)圖像彈性配準(zhǔn)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(zhǔn)[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(fù)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(zhǔn)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(zhǔn)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與安排（含調(diào)研、完成時間等）起止日期內(nèi)容摘要備注2012.12~2013.4閱讀圖像配準(zhǔn)的相關(guān)文獻為開題做準(zhǔn)備2013.4~2013.9根據(jù)開題思路完成算法的編程工作為撰寫畢業(yè)論文做準(zhǔn)備2013.9~20