医学影像特征描述及配准算法研究

发布时间：2017-11-21 04:15

  本文关键词：医学影像特征描述及配准算法研究

  更多相关文章： 图像配准 轮廓描述 特征匹配Gabor尺度分析 误匹配 聚类

【摘要】：特征描述和匹配是许多计算机视觉的重要组成部分,是图像处理、分析和理解的基础,广泛应用于遥感图像、医学图像等的处理。图像特征描述是对图像中感兴趣的区域进行定量分析,图像配准技术是解决几幅图像的对齐问题。图像描述和配准算法结果影响着后续图像处理的精度。 医学肿瘤轮廓的不规则信息能有效区分良性黑色素瘤和恶性黑色素瘤,肿瘤轮廓的不规则信息的描述对黑色素瘤的诊断有重要的临床意义。本文介绍了图像的轮廓特征、纹理特征的描述参数和描述方法,及在医学辅助诊断治疗中的应用,提出了一种医学影像肿瘤外轮廓特征描述方法。 作为图像处理前提和关键的图像配准算法,可分为基于像素的算法和基于特征的算法。后者是对图像特征作分析,可减小了图像处理的计算量。本文重点介绍基于特征的图像配准算法。如何保证提取的图像特征提的可靠性、稳定性,提高特征匹配的精确度是图像配准的重要环节。对于医学眼底数字减影图像本文提出一种基于特征的图像配准算法,从算法的复杂度、精确度方面改进了现有的配准算法。 本文主要研究包括以下两方面： (1)针对医学影像肿瘤外轮廓提出一种局部特征的描述方法,该方法联合了Gabor和分形算法。用Meyer卡通-纹理图像分解模型有效提取图像的纹理结构特征。用Gabor核函数对图像进行尺度分解,能快速精确的提取特征的固有尺度,对肿瘤外轮廓局部结构特征增加尺度描述,并利用局部分形维描述其不对称信息。本文算法相比于传统描述方法可区分性强,分类准确率高,更具诊断意义。 (2)提出一种基于Gabor滤波器提取图像局部不变特征并用AP聚类进行约束的图像配准算法。对基于特征的图像配准算法,影响其在匹配阶段出现误匹配的因素有很多,如特征点的数量、特征点之间的可区分性、匹配对搜索策略、相似性测度等。针对现有特征点提取算法存在提取的特征点数量繁多,特征点之间区分性有限造成的多相似内容的误匹配问题,通过Gabor滤波器的多尺度分析方法提取更符合视觉感知特性的特征点,对特征点附加128维的描述符,使其具有较高的独特性和区分性。在匹配对搜索策略方面改进算法,减少误匹配。通过对特征点进行AP聚类分析,约束特征点的空间关系,并用欧几里德距离作为相似性测度实现匹配。仿真实验结果表明：算法的提取特征点鲁棒性较好,可以有效去除多相似内容图像带来的误匹配。
【学位授予单位】：天津医科大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TP391.41;R445

【引证文献】

中国博士学位论文全文数据库 前1条

1 燕杨;基于条件随机场的医学文本与图像标注模型构建及应用研究[D];吉林大学;2015年

，

本文编号：1209642