肌骨超声图像特征检测及拼接

发布时间：2021-08-02 22:57

　　目的肌骨超声宽景图像易出现解剖结构错位、断裂等现象,其成像算法中的特征检测影响宽景图像的质量,也是超声图像配准、分析等算法的关键步骤,但目前仍未有相关研究明确指出适合提取肌骨超声图像特征点的算法。本文利用结合SIFT （scale invariant feature transform）描述子的FAST（features from accelerated segment test）算法以及SIFT、SURF（speeded-up robust features）、ORB（oriented FAST and rotated binary robust independent elementary features（BRIEF））算法对肌骨超声图像序列进行图像拼接,并对各算法的性能进行比较评估,为肌骨超声图像配准、宽景成像提供可参考的特征检测解决方案。方法采集5组正常股四头肌的超声图像序列,每组再采样10幅图像。利用经典的图像拼接算法进行肌骨图像的特征检测以及图像拼接。分别利用上述4种算法提取肌骨超声图像的特征点;对特征点进行特征匹配,估算出图像间的形变矩阵;对所有待拼接的图像进行坐标变换... 

【文章来源】：中国图象图形学报. 2020,25(05)北大核心CSCD

【文章页数】：11 页

【部分图文】：

SIFT特征点描述子的生成过程示意图

如图2所示，对任意一个特征点，将以该特征点为中心，边长为20σ的正方形邻域旋转至主方向后，均匀分成4×4个子区域，统计每个子区域内所有像素点在x、y方向上的Harr小波响应值(dx、dy)及其绝对值，分别求和后可获得4维的特征矢量,16个子区域的响应信息组合在一起，共同构成64维的特征点描述子。图2中黑色加粗箭头表示特征点的主方向;方框为一子区域，内含25个像素点。SURF特征点检测算法直接使用不同大小的盒子滤波器与原始图像做卷积构建尺度空间金字塔，在一定程度上提高了运算效率，但其耗时仍然较长。

FAST检测模板示意图


本文编号：3318430