医学图像配准

《数字医学图像》报告

内容：图像配准专题

专业： 2012级信息管理与信息系统班级：信管一班

小组成员： 20120701020 韩望欣

20120701008 毕卓帅

20120701005 胡庆

指导老师：彭瑜

完成日期： 2015 年 10月 25日

图像配准专题

简介：图像配准是对取自不同时间，不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。图像配准广泛用于多模态图像分析，是医学图像处理的一个重要分支，也是遥感图像处理，目标识别，图像重建，机器人视觉等领域中的关键技术之一，也是图像融合中要预处理的问题，待融合图像之间往往存在偏移、旋转、比例等空间变换关系，图像配准就是将这些图像变换到同一坐标系下，以供融合使用。

一：图像配准方法国内外进展情况

图像配准最早在美国七十年代的飞行器辅助导航系统、武器投射系统的末端制导以及寻地等应用研究中提出,并得到军方的大力支持与赞助。经过长达二十多年的研究,最终成功地用于中程导弹及战斧式巡航导弹上,使其弹着点平均圆误差半径不超过十几米,从而大大提高了导弹的命中率。八十年代后,在很多领域都有大量配准技术的应用,如遥感领域,模式识别,自动导航,医学诊断,计算机视觉等。各个领域的配准技术都是对各自具体的应用背景结合实际情况量身订制的技术。但是不同领域的配准技术之间在理论方法上又具有很大的相似性,从而使得在某领域的配准技术很容易移植到其它相关领域。目前国内外研究图像配准技术比较多的应用领域有红外图像处理、遥感图像处理、数字地图定位和医学图像处理等领域。

二、图像配准在医学领域的应用

20世纪以来随着计算机技术的不断发展,医学成像技术得到了快速的发展。尖端的新型医疗影像设备层出不穷,如计算机线摄影、数字减影等等,这些已经成为现代医学诊断必不可少的医学数字成像手段。由于这些医学数字成像设备有不同的灵敏度和分辨率,它们有各自的使用范围和局限性。多种模式图像的结合能充分利用图像自身的特点并做到信息互补。近几十年以来,图像配准在医学上的应用日益受到医学界和工程界的重视,己在世界范围广泛展开,在相关文献中己经提出了很多种医学图像配准的方法,这些研究成果广泛地运用到医学领域中。图像配准在医学中的应用领域主要有以下几方面:

➢组织切片图像的处理与显微结构三维重建

➢疾病诊断及其发展和消退的过程检测

➢神经外科手术可视化、神经外科手术一计划及术前评估

➢感觉运动和认知过程的神经功能解剖学研究

➢神经解剖变异性的形态测量分析学

➢放射治疗和立体定向放射外科治疗计划

三、图像配准的定义

对于二维图像配准可定义为两幅图像在空间和灰度上的映射，如果给定尺寸的二维矩阵F 1和F2代表两幅图像F1（X，Y）和F2（X，Y）分别表示相应位置（X，Y）上的灰度值。则图像间的映射可表示为：F （X，Y）=G（F （H（X，Y））），式中H表示一个二维空间坐标变换，即（X’，Y’）=H（X，Y），且G是一维灰度变换。

四、图像配准方法的分类

1、维数

主要是根据待配准图像的空间维数及时间维数来划分的。图像仅含空间维数或者是图像的时间序列中带有空间数，其配准可根据图像的空间维数分2D/2D，2D/3D，3D/3D，4D/4D

配准。2维图像间配准相对简单，指单独两个平面图像间的配准，2D/3D，3D/3D，4D/4D 图像间配准比较复杂，主要是由于配准参数多，数据量大。

2、配准基准的特性

通常，图像配准中根据配准基准的特性，可分为基于外部基准的配准和基于内部基准的配准，外部基准是指强加于待配准对象的各种人造标记，这些标记必须在各种配准模式中都清晰可见且可准确检测到。内部基准是指由图像本身得到的位置相对固定且图像特征明晰的各种配准标识。

3、变换特征

设f1 和f2 表示两幅待匹配的图像，I1（x）=I1（x,y）和I2（x’）=I2（x’,y’）分别表示两幅图像的密度函数，其中x=（x,y）和x’=（x’,y’）分别表示在图像D1 和D2中的像素坐标。图像匹配就是要找到一个把图像f1 映射到图像f2 的变换M（x）=（U（x,y），V（x,y）），使得变换后的图像I3（M（x））和I2（x’）具有几何对应性。这种映射变换有刚体变换、仿射变换、投影变换以及曲线变换等。

4、变换区域

配准时的变换区域根据实际需要又分为局部配准和全局配准。局部变换一般很少直接使用，因为它会破坏图像的局部连续性，且变换的双映射性会影响图像的再采样。从近期关于图像配准方面的文章看，一般刚性和仿射多用于全局变换，而曲线变换多用于局部变换。5、交互性

根据人的参与程度配准又可分为全自动式、交互式和半自动式三种。全自动式中使用者仅需给相应算法提供图像数据以及图像获取的一些可能信息；交互式中使用者必须亲自进行配准，软件仅给目前变换提供一个可视的或数字的感官印象以及初始变换的一个可能参数；半自动式中，交互有两种方式：一种是使用者须初始化算法，如分割数据，另一种是指导算法，如拒绝或接受配准假设。

6、最优化程序

配准变换的参数可以是直接计算出的，也可以是搜索计算出的。直接计算的最优化方法一般已完全由实例决定，所能研究的工作也仅限于如何使用非常少的信息把此计算方法应用于实际。搜索计算的最优化方法大多都可以用待优化的变换参数的一个标准数学函数来表达配准实例，此函数力图使图像在某一变换时两幅图像可达到最大相似。这些函数通常在单模配准中能简单一些，因为此时图像的相似性更能容易直接定义。我们可以通过使用一个标准的、合适的最优化方法使相似函数达到最优。目前应用比较广泛的方法有Powell 的方法、Downhill Simplex 方法、Brent的方法以及一系列一维搜索算法、Levenberg2M arquardt 最优化算法、Newton2Raph son 迭代算法、stochastic 搜索算法、梯度下降法（gradient descent methods）、遗传算法（genetic methods）、模拟退火法（simulated annealing），粒子群算法（particle sworm ），蚁群算法（ant），几何散列法（geometric hashing）以及quasi2exhaustive 搜索算法。多分辨率（如金字塔）和多尺度方法可以加速最优化的收敛速度。许多实际应用中使用了不止一种最优化方法，一般是先使用一种粗糙但快速的算法，然后再接着使用一种准确但运算速度慢的算法。

7、图像成像模式

有单模和多模等，单模（monomodality）图像配准是指待配准的两幅图像是用同一种成像设备获取的。多模（multimodality）图像配准是指待配准的两幅图像来源于不同的成像设备。

五、图像配准的步骤