第章 图像配准专题.pptVIP

7.4　医学图像配准 2、图像配准的步骤 3、医学图像配准方法 基于特征点的配准方法 基于表面的配准方法 基于像素的图像配准方法 3.1 基于特征点的配准方法 首先提取图像的特征点，然后将两幅图像中的特征点对应起来，最后根据对应的特征点确定空间变换，通常是两个二维多项式。 在这种方法中，特征点数量、位置的选择及特征点匹配的精确度起着重要的作用，它直接影响着配准的精确性。 3.2 基于表面的配准方法 首先提取两幅图像中对应的曲线或曲面，然后根据这些对应的曲线或曲面决定几何变换。变换的形式既可以是刚体变换，也可以是其它变换。 这种方法的最大缺点是，配准精度受限于分割步骤的精度，除了分割阶段，整个算法可以做到全自动化，分割阶段经常也是半自动实现的。 3.3 基于像素的图像配准方法 基于像素的图像配准方法是直接利用图像中的灰度信息，由于这类方法不需要提取图像的解剖特征，不需要对图像进行分割或数据缩减，而且极大的利用了图像信息，近些年成为人们最感兴趣和重视的研究方法。 3.1.4 透视变换（投影变换） 投影变换将直线映射为直线，并不再保持平行性。 主要用于二维投影图像与三维图像的配准。 透视变换是线性变换最一般的形式。 主要特点：直线经变换后仍是直线，但平行的直线经变换 后可能相交。在计算机图形学里投影是个很重要的内容。 透视变换矩阵：在仿射变换的基础上再加三个参数f、g、h。 f是对x轴的倾斜，g是对y轴的倾斜，h是对z轴的倾斜。 3.1.5 非线性变换（弯曲变换） 非线性变换将直线映射为曲线。用于使解剖 图谱变形来拟合图像数据或对有全局性形变 的胸、腹部脏器图像的配准。 3.3.1 基于最大互信息的多模医学图像配准 互信息是信息理论中的一个基本概念，通常用于描述两个系统间的统计相关性，或者是在一个系统中包含的另一个系统的信息的多少。 在多模医学图象配准中，虽然两幅图象来源于不同的成象设备，但是它们基于同一个人的解剖信息，所以当两幅图象的空间位置完全一致时（达到配准），对应象素的互信息为最大。 对不同时间或在不同条件下获取的两幅图象A(x)，B(X) 配准，就是要定义一个相似性测度并寻找一个空间变换关 系，使得经过该空间变换后两幅图象间的相似性测度达到最 大。即使图象A上的每一个点在图象B上都有惟一的点与之 对应，并且这两点对应同一个解剖位置。 数学表达式： S(T) = S( A(X) , B( T(X) ) ) 式中，S是相似性测度。配准的过程使得就是寻找一个空间 变换T使得S(T)最大。 基于最大互信息的图像配准原理 两个图像之间的互信息可以用熵来描述 系统A的熵定义为： 其中pA(a)表示灰度值为a的象素在A中出现的概率 两个系统的联合熵为： 如果H(A|B)表示已知系统B时A的条件熵，那么H(A)与H(A|B)的 差值，就代表了在系统B中包含A的信息。 两个系统的互信息可以表示为： I(A,B)=H(A)+H(B)-H(A,B) =H(A)-H(A|B)=H(B)-H(B|A) 基于最大互信息的图像配准原理 用概率分布来描述两幅图象中的互信息 0.04 0.07 0.05 0.01 0.06 0.09 0.06 7 0.03 0.07 0.03 0.09 0.01 0.03 0.09 6 0.07 0.03 0.07 0.07 0.03 0.07 0.06 5 0.04 0.03 0.03 0.03 0.05 0.03 0.07 4 0.02 0.01 0.03 0.04 0.09 0.08 0.04 3 0.03 0.02 0.03 0.04 0.01 0.03 0.06 2 0.03 0.05 0.01 0.03 0.01 0.02 0.01 1 7 6 5 4 3 2 1 a b 上表为两幅图像重叠时，灰度值为a，b的像素 出现的概率，即联合概率分布 4、医学图像的融合 图像的融合是将两幅图象中信息综合到一幅图像 中并以可视化方法显示的技术。 图像融合的前提是两幅图像已经较好地配准。 常用的图像融合技术有： （1）基于分割的图像融合法 （2）加权平均法 （3）Toet法 （4）对比度调制法 融合实例 MRI图像与PET图像的融合 图像融合实例 4.1 基于分割的图像融合法 从一幅图像中分割出感兴趣的部分，将其嵌入到另 一幅图像中形成融合的图像。设g1(x,y)，g2(x,y)为待融 合的图像，f(x,y)为融