利用马尔可夫随机系数和几何变换的图像配准领域研讨.docVIP

利用马尔可夫随机系数和几何变换的图像配准领域 图像配准是不同应用，如医学分析，生物医学系统，以及图像指导等的核心。在本文中，我们提出了一种新的算法，多模态图像配准。贝叶斯公式可能存在于系数和几何领域的观测模型中，这些系数代表了局部强度的多项式变换,作为局部的几何变换，由马尔可夫方法模拟为先验信息随机领域。这种概率的方法可以在两个领域通过最小化的能量寻找最佳估计，使得能够在图像之间配准。 简介 图像配准的目的是找到图像数据[1,2]之间一个最佳的几何转化，其中最优性准则取决于专门应用。这个任务涉及图像处理中许多应用的非常重要的分析，如医学分析，生物医学系统，图像指导，深度估计，和光流。在过去的10年中，许多方法已经出版，一个广泛而全面的调查可以在[3,4]中找到。图像配准方法可分为全局或局部。用全局法搜索一个模型，往往是一个参数的，如刚性，仿射，投影，或弯曲转变，解释图像之间的相似之处。老方法或密集配准寻求个别对应在这两个图像中的每个像素。这些方法中的每一个都可以分为基于功能或强度的。基于特征的方法接替自动特征提取或手动地标，如边缘位置或表面。强度的方法是基于强度的相似性，例如，通过估计的平方差的总和或两个图像的强度水平之间的互相关系。 一种特殊的配准被称为多模图像配准，在其中两个或更多不同来源的图像均排列，这个过程是非常有用的，例如，在医疗领域的计算机辅助可视化中，它允许人们找到对应功能和解剖图像。在文献中有那些基于标志的方法[5-9]，以及那些基于强度的方法[10-14]。在基于强度的方法中有两个流行的：分区强度均匀（PIU）[12,15]，由伍兹等人提出。在这种方法中，假设在该图像中的一个均匀区域对应的另一个均匀。为了实现配准，一个对应措施是基于设于两个图像的统计特性。该方法的目标是使用这一措施来最小化强度比的方差。另一种方法显示出了良好的效果是基于交互信息（MI），由维奥拉、威尔斯[16,17]、科里尼翁和梅斯[18,19]独立提出。在该方法中，图像之间的统计相关性进行比较时，确立一个基于每个图像的熵和联合熵的度量。即使方法在理论上是强大的，但它对初始参数是高度随机和敏感的。交互信息的另一个缺点是它忽略了重要的空间信息，例如对象的边界或均相的区域，其可以提供一致性的限制，这对建立弹性形变的模型十分必要。 本文所提出的工作方法提出在[21]。它的重点只在多式联运图像的弹性配准; 它采用了迭代方法，迭代多项式强度转换系数然后用保守法配准图像。这种方法作出了强度之间至多两个功能的依赖关系的假设。这方面的约束限制了应用，就像在医学成像中，不均匀性和噪声存在于两个图像间，因此需要更复杂的强度传递函数。在文献[23]中，作者建议使用有限元建模方法建立几何变换和力度更正模型。其他相关的工作中发现的[24]，仿射变换图像的建模的局部使用线性近似（第一阶泰勒的展开）。为了保持该模型的线性性，作者提出了一个分段线性力度转换。强制执行全局一致性，有必要在两个几何和强度变换参数中施加平滑约束，作者实现了加入正规化术语的基于每个参数的拉普拉斯算子的能量函数。由于线性近似的仿射变换，该算法提出了这项必须使用一个微分多尺度框架以达到近似大量短的几何位移的工作。 在这项工作中，我们提出了一个基于强度的方法，它可以被应用到广泛的图像配准问题中，比如刚性配准，弹性配准，或多式联运图像配准。该方法也可以适用于解决与光流或立体视差估计问题。特别是，在本文中描述的方法找到全局或局部（密/变形）配准，在其中一个概率模型允许的所述图像配准表征的多项式函数系数和几何变换域的装置。严格地基于贝叶斯估计，该方法的主要目的是确定在每个像素中的概率框架，地方仿射变换的参数，并在同一时间实现多项式强度传递函数的系数值图像配准。这些系数有目的的估计匹配的图像之间的亮度值强度的变化。在这个方法中，所述系数变换（标记MRCF）和几何参数转换（标记MRGTF）表示为马尔可夫字段（MRF）[27]，给人以这种方式有关的先验信息的强度和几何变化同质化。这种方法被称为MR-CGTF，给人估计复杂的几何变换，在全局或局部尺度的可能性，由基于样条函数的模型，考虑到空间变化的手段。这种做法，在对比MI或PIU，是确定性的，并且由于MRCF的空间特性和MRGTF，这是非常稳健的高不均匀性和噪声。 本文安排如下：第2节描述所提出的方法是进行多模态图像配准；在第3节是一些实施细节的描述；第4节给出了一些实验和结果；最后在第5节，提出一些结论。 提出的方法 我们的方法是基于与马尔可夫随机场（MRF）模型的概率贝叶斯框架（见附录A），在这里我们假定：第一，该观测模型对于每个像素由下式给出 其中I1，I2是配准的图像，T是该排列图像I1，I2的转化，是随机的，不相关的噪声，gr(x)是一个强度传递函数，在