医学图像配准与融合的处理研究

论文摘要

本文首先针对两种医学图像的配准进行了深入的研究。用两种方法实现了图像的配准。这两种方法是:基于SUSAN原则的图像配准方法和基于边界的图像的配准方法。基于SUSAN原则的图像配准方法:首先在SUSAN特征检测原则基础上采用了基于图像灰度特征的快速自适应特征检测方法,用以提取不同图像对比度下目标轮廓上的初角点。利用边沿元对这些包含了部分边缘点的初角点沿边缘方向跟踪排序后,再由根据图像边缘特征检测的边界方向变化情况来确定角点位置,同时剔除由于图像数字化而导致的虚假角点,从而确定了真正的角点;然后通过粗匹配和精匹配两个步骤得到匹配角点对,根据这些角点对医学图像进行配准。基于边界的图像的配准方法:首先提取图像的边界;然后利用奇异值分解法确定点对之间的变换系数;最后完成图像间的刚性配准。本文还详细地讨论了这两种配准方法的实现,并分析了这两种方法的特点。然后,研究了配准后的图像的融合方法,采用了两种图像融合的方法:加权平均法和数学形态学金字塔法。加权平均法是以象素灰度为依据的一种最简单的多幅图像融合方法。数学形态学金字塔法是一种复合的图像融合方法。结果表明此方法能够充分有效地将两种不同模式的信息集成在一起,为临床诊断提供更加有效的信息,具有广阔的应用前景。本文最后探讨了进一步的研究目标和方向。

论文目录

• 内容提要
• Abstract
• 第一章 概述
• 1.1 背景介绍
• 1.2 医学图像配准与融合技术
• 1.2.1 医学图像配准技术
• 1.2.2 医学图像融合技术
• 1.3 本文的内容
• 第二章 基于边界的医学图像的配准
• 2.1 边界配准法
• 2.2 图像的边界提取
• 2.2.1 原理
• 2.2.2 示例与讨论
• 2.3 奇异值分解（SVD）算法
• 2.3.1 说明与引理
• 2.3.2 算法应用
• 2.4 图像配准实现
• 2.4.1 配准过程
• 2.4.2 实验结果
• 2.5 基于边界的图像配准方法特点
• 第三章 基于SUSAN原则的医疗图像的配准
• 3.1 多特征复合角点的提取方法
• 3.1.1 角点
• 3.1.2 SUSAN 原则
• 3.1.3 基于边界特征的角点确定
• 3.2 角点的匹配
• 3.2.1 角点的初始匹配
• 3.2.2 角点的精匹配
• 3.3 图像的配准
• 3.3.1 图象配准
• 3.3.2 实验结果
• 3.4 基于SUSAN 原则的图像配准方法的特点
• 3.5 两种配准方法的比较
• 第四章 医学图像的融合
• 4.1 加权平均法
• 4.2 数学形态学金字塔法
• 4.2.1 基本数学形态学算法
• 4.2.2 形态学金字塔采样
• 4.2.3 差异金字塔
• 4.2.4 金字塔融合
• 4.2.5 图像重建
• 4.3 两种融合算法的比较
• 参考文献
• 摘要
• Abstract
• 致谢