图像融合配准及其在医学图像处理中的应用研究.doc
约39页DOC格式手机打开展开
图像融合配准及其在医学图像处理中的应用研究,①页数 39 ②字数 18143字此论文为优秀毕业论文，能保证绝对原创③ 摘要：医学图像融合配准已成为医学图像分析的一项重要内容，近年来受到医学界和工程界的重视。图像配准是图像融合首要解决的问题，也是融合的关键所在。配准的目的是使两幅图像的位置在空间上达到一致，配准的好坏将直接...
内容介绍
此文档由会员 rbntrygd 发布
图像融合配准及其在医学图像处理中的应用研究
①页数 39
②字数 18143字
此论文为优秀毕业论文，能保证绝对原创
③ 摘 要：医学图像融合配准已成为医学图像分析的一项重要内容，近年来受到医学界和工程界的重视。图像配准是图像融合首要解决的问题，也是融合的关键所在。配准的目的是使两幅图像的位置在空间上达到一致，配准的好坏将直接影响到图像融合的质量。本文首先介绍了目前存在的应用比较广泛的图像融合和配准方法，重点介绍基于SIFT特征和基于互信息的图像配准方法及算法，利用VC和MATLAB联合编程加以实现，并自制测试图像加以验证。然后，通过相似性测度，如归一化互信息(NMI)、均方误差(MSE)等，对两种算法所得结果加以比较，得出基于SFIT特征算法较优。并且，对医学图像融合做了相关研究，利用基于加权平均法和高斯金字塔法的融合方法进行了实验，实验表明基于加权平均法的融合方法具有较好的融合效果。
④目 录
摘要 1
前言 2
1 绪论 3
1.1 本课题研究的背景及意义 3
1.2 本课题的研究现状 4
1.3 本课题主要研究内容 4
2 医学图像的配准 5
2.1 医学图像配准的概念 5
2.2 医学图像配准算法 5
2.2.1 基于图像灰度的配准算法 5
2.2.2 基于图像特征的配准算法 6
2.3 基于特征匹配的医学图像配准系统的组成 6
3 基于SIFT的医学图像的配准 7
3.1 SIFT的来历 7
3.2 SIFT的主要思想及特点 7
3.3 SIFT的算法实现 8
3.4 SIFT 算法提取特征点 8
3.4.1尺度空间的生成 8
3.4.2空间极值点检测 9
3.4.3构建尺度空间需确定的参数 9
3.4.4精确确定极值点位置 10
3.4.5关键点方向分配 10
3.4.6特征点描述子生成 11
3.5 SIFT特征向量匹配 12
3.6 医学图像配准 12
4 基于互信息的医学图像的配准 13
5 医学图像的融合 14
5.1 医学图像融合的概念及级别 14
5.2 医学图像融合方式 14
5.3 医学图像融合的主要步骤 15
5.4现有主要的医学图像融合技术 15
6 实验结果比较分析 17
6.1 基于SIFT的配准算法实现及结果显示 17
6.2 基于互信息的配准算法实现及结果显示 18
6.3 两种配准算法结果比较分析 19
6.4 基于加权平均法的医学图像融合结果显示 20
6.5 基于高斯金字塔法的医学图像融合结果显示 21
6.6 两种融合结果分析比较 22
7 总结与展望 23
7.1 论文总结 23
7.2 进一步的研究工作 23
致谢 24
参考文献 25
附录 27
⑤关键词：图像融合配准；SIFT；互信息(MI)；归一化互信息(NMI)；均方误差(MSE)；加权平均法；高斯金字塔；熵
⑥参考文献; 参 考 文 献
[1] 宋余庆.数字医学图像[M].北京：清华大学出版社，2008：129-131.
[2] 王孟倩，邵波，岳建华.医学图像融合的应用与展望[J].医疗设备信息，2007，（05）.
[3] Burt PJ,Adelson EH. The Laplacian pyramid a compact image code [J]. IEEE Trans Commun,1998,31:532-540.
[4] Alexander Akerman III. Pyramidal techniques for multisensor fusion[A].SPIESensor Fusion[C]. 1992.1828
[5] Boh lC,Van Genderen JL. Multi-sensor image fusion in remote sensing: concepts, methods, and applications [J]. Int J Remote Sens,1998,19(5):823-854.
[6] Toet A.Multiscale xontrast enhancement with applicationsto image fusion [J].Optic Eng,1992,31(5):1026-1031.
[7] Maintz JBA, Viergever MA. Asurvey of medical image registration [J]. Medical Image Analysis, 1998, 2(1): 1-36.
[8] Wells WM, Viola P, Kikinis R, et al. Multi-modal volume registration by Maximization of mutual information [J]. Medical Image Analysis, 1996, 1(1): 35-51.
[9] 杨春兰，郑链，李晓明.互信息在医学图像配准中的应用研究[J].计算机软件与应用，2008，25（3）：145-170.
[10] David G. Lowe. Distinctive Image Features from Scale-Invariant Keypoints [J]. International Journal of Computer Vision, 2004, 60(2): 91~110.
[11] David G. Lowe. Object Recognition from Local Scale-Invariant Features[C]. International Conference on Computer Vision, 1999: 1150-1157.
[12] 刚萨雷斯.数字图像处理[M].北京：电子工业出版社，2003.
[13] 谈泉，林家瑞.多模态医学图像融合技术的研究与进展[J].国际生物医学工程杂志，2006，（03）.
[14] 范立南，王晶，王银玲. 多模态医学图像融合技术综述[J].沈阳大学学报.2009，21(3):96-100.
[15] Toet A. A morphological pyranid image decomposition [J].Pattern Recogn Lett, 1989,9(4):255-261.
[16] 邹文，罗金香.小波变换在医学图像处理中的应用[J].中国医疗设备，2008，04.
[17] 刘贵喜，杨万海.基于小波分解的图像融合方法即性能评价[J].自动化学报,2002,28(6）：927-934.
[18] Maes F, Multimodality image registration by Maximization of mutual information [J]. IEEE Trans. On Medical Imaging, 1997, 16(2): 187-198.
[19] 丁莹.图像配准技术在医学图像处理中的应用研究[M].长春理工大学，2006，12.
[20] 何东健.数字图像处理[M].西安电子科技大学出版社，2003，07.
[21] 李坤成，李永忠，赵富强，赵欣.CT与MRI图像配准与融合技术在颅脑肿瘤的初步应用[J].中国医学影像技术，2001，（09）.
[22] 卫阿盈，杨磊. 图像分割在医学图像处理中的应用[J]. 医学信息，2005，12：1269-1630.
[23] 王新成. 高级图像处理技术［M］. 北京：中国科学技术出版社，2001.
[24] 刘丽，苏敏.基于改进模拟退火算法医学图像配准[J].计算机软件与应用，2008，25（5）：223-259.
[25] Wang Hai Hui, Wang Jun, Wang Wei. A New Multiwavelet Based Approach to Image Fusion [J]. Journal of Mathematical Imaging and Vision, 2004, 2(24):177-192.
[26] Pluim J P, Fitzpatrick J M. Image registration [J]. Medical Imaging, 2003, 11(22):1341-1343.
[27] Gonzalo Pajares. A wavelet based image fusion tutorial [J]. Pattern Recognition,2004, 9(37):1855-1872.
①页数 39
②字数 18143字
此论文为优秀毕业论文，能保证绝对原创
③ 摘 要：医学图像融合配准已成为医学图像分析的一项重要内容，近年来受到医学界和工程界的重视。图像配准是图像融合首要解决的问题，也是融合的关键所在。配准的目的是使两幅图像的位置在空间上达到一致，配准的好坏将直接影响到图像融合的质量。本文首先介绍了目前存在的应用比较广泛的图像融合和配准方法，重点介绍基于SIFT特征和基于互信息的图像配准方法及算法，利用VC和MATLAB联合编程加以实现，并自制测试图像加以验证。然后，通过相似性测度，如归一化互信息(NMI)、均方误差(MSE)等，对两种算法所得结果加以比较，得出基于SFIT特征算法较优。并且，对医学图像融合做了相关研究，利用基于加权平均法和高斯金字塔法的融合方法进行了实验，实验表明基于加权平均法的融合方法具有较好的融合效果。
④目 录
摘要 1
前言 2
1 绪论 3
1.1 本课题研究的背景及意义 3
1.2 本课题的研究现状 4
1.3 本课题主要研究内容 4
2 医学图像的配准 5
2.1 医学图像配准的概念 5
2.2 医学图像配准算法 5
2.2.1 基于图像灰度的配准算法 5
2.2.2 基于图像特征的配准算法 6
2.3 基于特征匹配的医学图像配准系统的组成 6
3 基于SIFT的医学图像的配准 7
3.1 SIFT的来历 7
3.2 SIFT的主要思想及特点 7
3.3 SIFT的算法实现 8
3.4 SIFT 算法提取特征点 8
3.4.1尺度空间的生成 8
3.4.2空间极值点检测 9
3.4.3构建尺度空间需确定的参数 9
3.4.4精确确定极值点位置 10
3.4.5关键点方向分配 10
3.4.6特征点描述子生成 11
3.5 SIFT特征向量匹配 12
3.6 医学图像配准 12
4 基于互信息的医学图像的配准 13
5 医学图像的融合 14
5.1 医学图像融合的概念及级别 14
5.2 医学图像融合方式 14
5.3 医学图像融合的主要步骤 15
5.4现有主要的医学图像融合技术 15
6 实验结果比较分析 17
6.1 基于SIFT的配准算法实现及结果显示 17
6.2 基于互信息的配准算法实现及结果显示 18
6.3 两种配准算法结果比较分析 19
6.4 基于加权平均法的医学图像融合结果显示 20
6.5 基于高斯金字塔法的医学图像融合结果显示 21
6.6 两种融合结果分析比较 22
7 总结与展望 23
7.1 论文总结 23
7.2 进一步的研究工作 23
致谢 24
参考文献 25
附录 27
⑤关键词：图像融合配准；SIFT；互信息(MI)；归一化互信息(NMI)；均方误差(MSE)；加权平均法；高斯金字塔；熵
⑥参考文献; 参 考 文 献
[1] 宋余庆.数字医学图像[M].北京：清华大学出版社，2008：129-131.
[2] 王孟倩，邵波，岳建华.医学图像融合的应用与展望[J].医疗设备信息，2007，（05）.
[3] Burt PJ,Adelson EH. The Laplacian pyramid a compact image code [J]. IEEE Trans Commun,1998,31:532-540.
[4] Alexander Akerman III. Pyramidal techniques for multisensor fusion[A].SPIESensor Fusion[C]. 1992.1828
[5] Boh lC,Van Genderen JL. Multi-sensor image fusion in remote sensing: concepts, methods, and applications [J]. Int J Remote Sens,1998,19(5):823-854.
[6] Toet A.Multiscale xontrast enhancement with applicationsto image fusion [J].Optic Eng,1992,31(5):1026-1031.
[7] Maintz JBA, Viergever MA. Asurvey of medical image registration [J]. Medical Image Analysis, 1998, 2(1): 1-36.
[8] Wells WM, Viola P, Kikinis R, et al. Multi-modal volume registration by Maximization of mutual information [J]. Medical Image Analysis, 1996, 1(1): 35-51.
[9] 杨春兰，郑链，李晓明.互信息在医学图像配准中的应用研究[J].计算机软件与应用，2008，25（3）：145-170.
[10] David G. Lowe. Distinctive Image Features from Scale-Invariant Keypoints [J]. International Journal of Computer Vision, 2004, 60(2): 91~110.
[11] David G. Lowe. Object Recognition from Local Scale-Invariant Features[C]. International Conference on Computer Vision, 1999: 1150-1157.
[12] 刚萨雷斯.数字图像处理[M].北京：电子工业出版社，2003.
[13] 谈泉，林家瑞.多模态医学图像融合技术的研究与进展[J].国际生物医学工程杂志，2006，（03）.
[14] 范立南，王晶，王银玲. 多模态医学图像融合技术综述[J].沈阳大学学报.2009，21(3):96-100.
[15] Toet A. A morphological pyranid image decomposition [J].Pattern Recogn Lett, 1989,9(4):255-261.
[16] 邹文，罗金香.小波变换在医学图像处理中的应用[J].中国医疗设备，2008，04.
[17] 刘贵喜，杨万海.基于小波分解的图像融合方法即性能评价[J].自动化学报,2002,28(6）：927-934.
[18] Maes F, Multimodality image registration by Maximization of mutual information [J]. IEEE Trans. On Medical Imaging, 1997, 16(2): 187-198.
[19] 丁莹.图像配准技术在医学图像处理中的应用研究[M].长春理工大学，2006，12.
[20] 何东健.数字图像处理[M].西安电子科技大学出版社，2003，07.
[21] 李坤成，李永忠，赵富强，赵欣.CT与MRI图像配准与融合技术在颅脑肿瘤的初步应用[J].中国医学影像技术，2001，（09）.
[22] 卫阿盈，杨磊. 图像分割在医学图像处理中的应用[J]. 医学信息，2005，12：1269-1630.
[23] 王新成. 高级图像处理技术［M］. 北京：中国科学技术出版社，2001.
[24] 刘丽，苏敏.基于改进模拟退火算法医学图像配准[J].计算机软件与应用，2008，25（5）：223-259.
[25] Wang Hai Hui, Wang Jun, Wang Wei. A New Multiwavelet Based Approach to Image Fusion [J]. Journal of Mathematical Imaging and Vision, 2004, 2(24):177-192.
[26] Pluim J P, Fitzpatrick J M. Image registration [J]. Medical Imaging, 2003, 11(22):1341-1343.
[27] Gonzalo Pajares. A wavelet based image fusion tutorial [J]. Pattern Recognition,2004, 9(37):1855-1872.
