新MATLAB应用图像处理 第二版 教学课件 胡晓军_ 第6章.pptVIP

第6章 MATLAB图像配准 6.1 图像配准概述 6.1.1 图像配准定义 　　图像配准是对从不同传感器、不同时间、不同视点所获得的两幅或多幅图像进行最佳匹配，以达到空间匹配和叠加目的的处理过程。本质上图像配准首先需要分析各分量图像上的几何畸变，然后采用一种几何变换将图像归化到统一的坐标系统中。在图6.1所示的例子中，待配准图像根据参考图像经过配准方法处理可以得到局部放大且角度校正的配准图像。在医学领域中，图像配准一般是指有重叠区的相邻两幅图像的对准。 6.1.2 图像配准的分类 　　到目前为止，对配准的分类始终没有一个统一的说法，人们根据其不同的用途和特征对它进行不同的分类。下面给出目前比较流行的分类方法。 　　● 根据空间维数数目，图像配准可分为如下几类： 　　(1) ?3D/3D配准。该类配准应用于两个断层扫描数据的配准。 　　(2) ?2D/2D配准。该类配准应用于相同或不同断层扫描数据的不同片层之间的配准。 　　(3) ?2D/3D配准。该类配准应用于空间数据和投影数据之间的配准，或二维片层扫描数据和三维空间数据的配准。 　　● 根据医学图像模态，图像配准可分为如下几类： 　　(1) 单模图像之间的配准。该类配准一般应用于生长监控、剪影成像等。 　　(2) 多模图像之间的配准。该类配准是解剖—解剖之间的配准、解剖—功能之间的配准。 　　(3) 患者和模态之间的配准。该类配准多应用于放射治疗和计算机辅助手术中的手术定位。 ● 根据变换性质，图像配准可分为如下几类： (1) 刚性变换配准。该类配准包括平移和旋转。 (2) 仿射变换配准。该类配准是将平行线变换为平行线。 (3) 投影变换配准。该类配准是将直线映射为直线。 (4) 曲线变换配准。该类配准是将直线映射为曲线。 　　● 根据用户交互性，图像配准可分为如下几类： 　　(1) 交互配准。该类配准是用户完成配准过程，而程序提供一个当前变换的直观显示以指导用户。 　　(2) 半自动配准。该类配准是用户可能需要初始算法的某些参数，可能需要接受或拒绝某些配准假设。 　　(3) 自动配准。该类配准时用户只需给出算法和图像数据，但完全实用还需要时间。 6.2 图像配准方法 6.2.1 基于灰度信息的图像配准方法 　　1．序贯相似度检测匹配法 　　序贯相似度检测匹配法(Sequential Similarity Detection Algorithms，SSDA)是由Barnea等人提出来的。该方法先选择一个简单的固定门限T，若在某点上计算两幅图像残差和的过程中，残差和大于该固定门限T，就认为当前点不是匹配点，从而终止当前的残差和计算，转向别的点去计算残差和，最后认为残差和增长最慢的点就是匹配点。 　　2．交互信息法 　　交互信息法最初是Viola等人于1995年引入到图像配准的领域的，它基于信息理论的交互信息相似性准则，初衷是解决多模态医学图像的配准问题。 　　交互信息用来比较两幅图像的统计依赖性。首先将图像的灰度视作具有独立样本的空间均匀随机过程，相关的随机场可以采用高斯—马尔科夫随机场模型建立，用统计特征及概率密度函数来描述图像的统计性质。交互信息是两个随机变量A和B之间统计相关性的量度，或是一个变量包含另一个变量的信息量的量度。 　　交互信息是用A和B的个体熵的联合熵来表示的，其中，图像A和B的个体熵分别为随机变量A和B的边缘概率密度，联合熵为两个随机变量的联合概率密度分布。基于交互信息的图像配准是用两幅图像的联合概率分布与完全独立时的概率分布的广义距离来估计交互信息。交互信息用于图像配准的关键思想是：如果两幅图像达到匹配，它们的交互信息达到最大值。在图像配准的应用中，通常联合概率密度和边缘概率密度可以用两幅图像重叠区域的联合概率直方图和边缘概率直方图来估计，或者用Parzen窗概率密度估计法来估计，从而计算交互信息。 　　当两幅图像达到最佳配准时，它们对应的像素的灰度交互信息应为最大。由于基于交互信息的配准对噪声比较敏感，所以首先通过滤波和分割等方法对图像进行预处理，然后对图像进行采样、变换、插值、优化，从而达到配准的目的。 　　交互信息法只依赖于图像本身的信息，不需要对图像进行特征点提取和组织分类等预处理，它是一种自动而有效的配准算法。该算法可靠，对图像中的几何失真、灰度不均匀和数据的缺失等不敏感，它不依赖于任何成像设备，可应用于多模态医学图像配准。但它也有缺点，如运算量大、对噪声敏感、要求待配准图像间联合概率分布函数必须是严格正性的。 　　交互信息图像配准方法在医学图像的配准问题上应用较多。比如将交互信息和梯度结合起来改善其极值性能的算法、多分辨率图像金字塔法等。但交互信息是建立在概率密度估计的基础上的，有时需要建立参数化的概率密