第六章-医学图像配准与融合new.pptVIP

医学影像图像处理 生物医学工程系 图像配准： 解决几幅图的对齐问题。 图像配准是图像融合的前提。 基于多种原因，临床上通常需要对同一个病人进行多种模式或同一种模式的多次成像。即同时从几幅图像获得信息，进行综合分析 。 二、图像配准的概念 配准示意图 配准算法的一般步骤 特征提取 特征匹配 估计变换模型 图像重采样及变换 6.2.1配准算法的一般步骤—特征提取 特征提取是指分别提取两幅图像中共有的图像特征。这种特征是出现在两幅图像中对比例、旋转、平移等变换保持一致性的特征，如线交叉点、物体边缘角点、虚圆闭区域的中心等可提取的特征。特征包括：点、线和面三类。 --点特征是最常采用的一种图像特征，包括物体边缘点、角点、线交叉点等；根据各特征点的兴趣值将特征点分成几个等级。对不同的目的，特征点的提取应有所不同。 --线特征是图像中明显的线段特征，如道路河流的边缘，目标的轮廓线等。线特征的提取一般分两步进行：首先采用某种算法提取出图像中明显的线段信息，然后利用限制条件筛选出满足条件的线段作为线特征； 6.2.2配准算法的一般步骤—估计变换模型 配准算法的一般步骤—估计变换模型 投影变换 非线性变换 6.2.3配准算法的一般步骤—图像重采样及变换 6.3 图像配准举例 6.3.3基于最大互信息的多模图象配准法 相似性度量 仿真实验 DSA图像 脑部 MRI 的 PD、T1w 和 T2w 图像 心脏 MRI 的 T1 和 T2 图像 MRA 图像 CT 与 MRI 图像的配准 同一病人在不同时间获取的 MRI 图像的配准 小结： 对于医学图像，常用的方法是互信息，因为其特征不明显。 对于模板匹配，常用的方法是互相关。 配准算法评价 精度 配准过程中很容易引入各种各样的误差,而且很难区分是由配准算法引起的,还是由图像间的固有差异引起的。在评估配准精度时,主要将误差分为3类:位置误差、匹配误差和对齐误差。 位置误差是指由不精确检测引起的控制点坐标偏移 。 匹配误差则是指在候选控制点之间建立匹配关系时误匹配的控制点对数目 。 对齐误差是指配准过程中采用的变换模型和图像真实畸变(包括比例缩放、旋转、平移以及传感器影响等)之间的差异 。 鲁棒性 鲁棒性是指如果让输入图像有一点小的变动,配准算法还能收敛到相同的结果。 自动化 自动化指配准算法的自动化执行程度,包括人 工、半自动、自动3种形式。 实时性 只有满足实时性要求,配准结果才具有实际应用价值。实时性研究涉及资源需求和算法的复杂度。 可靠性 在实际应用中,要注意满足不同算法的前提约束条件。若给定算法所需要的输入条件,配准结果应该和理论上计算的一样,即算法具有较强的容错性。 6.4 图像融合实例 DSA图像的三维重建显示与融合 用以下测度来衡量T和Si,j的相似程度： 根据施瓦兹不等式， ，并且在 比值为常数时取极大值为1。但实际上两幅不同图像的P值介于0和1之间，很难达到理想值。根据经验取某个阈值P0，如果P P0，则匹配成功； P P0，则匹配失败。 输入图像 提取图像的边缘特征信息 计算特征点集合的互信息 归一化处理 配准提取的特征图像 优化搜索 根据配准参数配准原图像 采用基于Canny算子和小波提升变换的边缘检测方法 采用归一化互信息为测度 采用改进的鲍威尔算法，寻找最大归一化互信息的位置 改进算法的流程图 《东北大学》 (a)CT图像 (b)MRI图像 (c) 最大的互信息配准法 (d) 所提方法 CT/MRI图像各配准方法的配准参数及性能比较 9.960 9.597 角度偏移量 （9.93 9.56） （9.02 8.52） 水平和垂直偏移量 0.9812 0.9216 R 15.32 19.43 RMSE 所提方法 传统的互信息配准方法 PD T1w T2w T1 T2 6.4 医学图象配准的评估 1.体模 软体模与硬体模 2.准标法 3.图谱(atlas) 4.目测检验(visual inspection) 6×0.98×0.98 mm 6×0.98×0.98 mm 5×0.57×0.57mm 脑部星细胞瘤 (astrocytoma) 检查的原始图像 CT T1 w T2 w 5.1×3.38×3.38mm PET PET 图像与 MR 图像重叠显示 绿色对应低水平糖代谢(glucose metabol