基于改進的SIFT算法的醫(yī)學(xué)顯微序列圖像自動配準(zhǔn)技術(shù).pdf

1、醫(yī)學(xué)圖像配準(zhǔn)是醫(yī)學(xué)圖像處理領(lǐng)域中的一項重要技術(shù)，對臨床診斷和治療有著重要的作用。現(xiàn)代醫(yī)學(xué)經(jīng)常需要將幾幅圖像結(jié)合起來進行分析，以便獲取更多的醫(yī)療信息。序列圖像提供了比單一圖像更豐富的信息，對序列圖像進行分析，更有利于對目標(biāo)的監(jiān)測與跟蹤分析。對序列圖像進行分析之前首先要解決圖像間對應(yīng)點的嚴格對齊問題，也就是所謂的圖像配準(zhǔn)。醫(yī)學(xué)顯微序列圖像的自動配準(zhǔn)是長期以來一直未能很好解決的一個重要問題。本文主要對醫(yī)學(xué)顯微序列圖像的自動配準(zhǔn)技術(shù)進行研究。<

2、br>　　 提取和匹配圖像特征是實現(xiàn)圖像自動配準(zhǔn)的一種重要方法。SIFT(尺度不變特征變換，Scale Invariant Feature Transform)最初是作為一種關(guān)鍵點的特征被提出來的，這種特征對圖像的尺度變化和旋轉(zhuǎn)變化是不變的，而且對于光照的變化和圖像變形具有較強的適應(yīng)性，同時，這種特征還具有較高的辨別能力，有利于后續(xù)匹配。因此，SIFT正是圖像配準(zhǔn)領(lǐng)域中一個熱門的前沿研究方向。
　　 本文提出一種自動的配準(zhǔn)方法

3、。結(jié)合醫(yī)學(xué)顯微序列圖像的數(shù)據(jù)特點，將SIFT特征檢測算法引入到顯微序列圖像的配準(zhǔn)中，并針對SIFT特征描述符的高維數(shù)和高復(fù)雜度問題對特征描述符的提取方法進行了改進，降低了特征描述符的維度，簡化了特征提取算法步驟，再采用雙向匹配算法，剔除部分錯誤匹配點，最后采用隨機采樣一致性算法(RANSAC)去除誤匹配點對以提高匹配的準(zhǔn)確性，估計變換模型參數(shù)。統(tǒng)計結(jié)果表明，改進后的SIFT算法相比于傳統(tǒng)的配準(zhǔn)方法在保證圖像配準(zhǔn)準(zhǔn)確度的前提下，算法復(fù)雜度