论文摘要
作为图像的重要的局部特征之一,角点所含的信息量非常高,角点在保留图像图形的重要特征的同时,可以有效地减少参与计算的信息的数据量。因此,角点检测在计算机视觉和图像处理的许多方面都起着非常重要的作用,成为图像处理领域的一个基础问题。同时,随着科学的发展和医学的进步,医学图像处理如今已经是现代医学研究中一个不可或缺的组成部分,作为一种辅助工具,医学图像处理研究在辅助治疗和疾病诊断中起着不可替代的作用。本文尝试将在传统图像研究中的角点特征与医学图像结合起来,通过检测医学图像的角点,为进一步医学图像匹配及特征提取提供基础。本文的研究内容主要分为以下三个方面:1.通过综述前人在角点检测方面取得的成果,总结当前主要的角点检测方法,并对其进行分类,比较各种算法的优缺点。2.对目前角点提取算法在医学图像处理中的应用做了归纳概括和分类。其中重点讲述了角点提取在医学图像的配准、拼接、器官和骨骼的定位等方面的应用。3.基于传统SUSAN模型,针对该模型自适应性能较差、对阈值的依赖性过大的缺点,本文提出一种自适应阈值方法选择候选角点,通过多层次筛选机制确定角点。大量的仿真实验表明,相对于传统的Harris算法和SUSAN算法而言,本文提出的自适应筛选算法的计算效率较高,时间复杂度低,无需人工干预,自动化程度较高,并且具有较好的抗噪性,适用于复杂的医学图像角点提取。