基于像素特征的医学图像配准概要介绍
基于像素特征的配准方法把图像内部的灰度信息作为配准的依据,又分为两种,一种是把图像灰度信息简约成具有一定的尺度和方向的集合(如力矩主轴法),二是在配准过程中始终使用整幅图像的灰度信息(如互相关法,最大互信息法)
医学图像配准的基本过程
1.根据待配准图像(浮动图像)I2 与参考图像(基准图像)I1,提取出图像的特征信息组成特征空间
2.根据提取出的特征空间确定一种空间变换(T),使待配准图像I2经过该变换后与参考图像I1能够达到所定义的相似性测度,即I1=T(I2)
3.在确定变换的过程中,还需要采取一定的搜索策略也就是优化措施以使相似性测度更快更好的达到最优值
(2,3过程在实际计算中是交叉进行的)
图像A和B的配准就是寻找一种映射关系T:XA----->XB,使得XA上的每一点在XB上都有唯一的点与之对应。这种映射关系表现为一组连续的空间变换,如整幅图像应用相同的空间变换,则称为全局变换;否则,称为局部变换。根据图像变换形式的不同,有线性变换和非线性变换。线性变换包括刚体变换,仿射变换和投影变换。
非线性变换是把直线变换为曲线,反映的是图像中组织或器官的严重变形或者位移。典型的非线性变换是多项式函数,如二次,三次函数以及薄板样条函数。有时候也使用指数函数。非线性变换多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m