基于改進的SIFT算法的醫(yī)學顯微序列圖像自動配準技術.pdf

1、醫(yī)學圖像配準是醫(yī)學圖像處理領域中的一項重要技術，對臨床診斷和治療有著重要的作用?，F(xiàn)代醫(yī)學經(jīng)常需要將幾幅圖像結合起來進行分析，以便獲取更多的醫(yī)療信息。序列圖像提供了比單一圖像更豐富的信息，對序列圖像進行分析，更有利于對目標的監(jiān)測與跟蹤分析。對序列圖像進行分析之前首先要解決圖像間對應點的嚴格對齊問題，也就是所謂的圖像配準。醫(yī)學顯微序列圖像的自動配準是長期以來一直未能很好解決的一個重要問題。本文主要對醫(yī)學顯微序列圖像的自動配準技術進行研究。<

2、br>　　 提取和匹配圖像特征是實現(xiàn)圖像自動配準的一種重要方法。SIFT(尺度不變特征變換，Scale Invariant Feature Transform)最初是作為一種關鍵點的特征被提出來的，這種特征對圖像的尺度變化和旋轉變化是不變的，而且對于光照的變化和圖像變形具有較強的適應性，同時，這種特征還具有較高的辨別能力，有利于后續(xù)匹配。因此，SIFT正是圖像配準領域中一個熱門的前沿研究方向。
　　 本文提出一種自動的配準方法

3、。結合醫(yī)學顯微序列圖像的數(shù)據(jù)特點，將SIFT特征檢測算法引入到顯微序列圖像的配準中，并針對SIFT特征描述符的高維數(shù)和高復雜度問題對特征描述符的提取方法進行了改進，降低了特征描述符的維度，簡化了特征提取算法步驟，再采用雙向匹配算法，剔除部分錯誤匹配點，最后采用隨機采樣一致性算法(RANSAC)去除誤匹配點對以提高匹配的準確性，估計變換模型參數(shù)。統(tǒng)計結果表明，改進后的SIFT算法相比于傳統(tǒng)的配準方法在保證圖像配準準確度的前提下，算法復雜度