毕业论文文献综述1

图像配准顾名思义就是期望通过一种空间变化使得需要配准的图像即待配准图像与目标图像在空间位置上达到一致。尽管图像配准的思想已提出了近几十年的时间,并且在近几年随着计算机的完善以及各种算法的提出已经取得了一定的进步,但是直到目前图像配准依旧是个研究领域内热点与难点问题。早在1983年,图像配准算法就由Ghaffary等进行总结和归纳[10]。随后在1992年,Brown又对十年间出现的各种图像配准算法及其对应解决的问题发表有关图像配准的综述[11]。在2003年,由Zitova在前人工作的基础上对图像配准技术做了进一步的归纳[12]。但就目前为止提出的各种算法都有自身一定的局限性。
一般意义上国内工作者将图像配准分为刚性配准和非刚性配准两大类。
1. 刚性配准
对于刚性配准,刚性配准主要是通过平移变换,旋转变换和仿射变换来使得两幅图像的相似度达到最大,同时得益于刚性配准方法“金标准”的提出,使得刚性配准的发展比较完善,并且已经大量的应用在医学图像分析,遥感图像,计算机视觉以及模式识别等领域。其中最为引人注意的就是互信息配准方法的提出和应用。
2. 非刚性配准
相较于刚性配准,由于非刚性配准结果的优劣评判到目前位置还是依赖于人工的判别,并没有类似于刚性配准评价那样的“金标准”的提出,因此非刚性配准方法的研究到目前依旧是研究的热点和难点。如何能够准确、快速的实现非刚性图像的配准,是国内外学者致力研究的问题。并且随着计算机采集图像功能的完善,配准的需求日益增加,同时由于在现实生活中或者研究生物组织器官的应用中,由于成像设备的自身原因造成的几何失真畸变等,以及在生物组织应用方面大量弹性组织的采集,以及特有的个体生理结构,还有运动造成的诸如在位置,形状,大小上的局部软组织的不同,使得非刚性配准技术的研究越来越紧迫。近几年来大量的非刚性算法被提出,但是绝大部分算法还是局限于实验室内部实现,不能很好的参与实际应用之中, 并且每种算法都会考虑到所应用图像本身的特殊性,也就意味着算法具有一定的针对性。
例如最早提出的非刚性配准方法是基于基本函数的多项式配准方法,比较具有代表性的是 FDCT (fast discrete cosine transform ,快速离散余弦变换),这种算法是由Touraille Eric 和Boine Jean Yves两位学者提出的,用其来对MRI 图像进行弹性配准[13]。但是这种配准算法存在耗时较久并且对局部形变不敏感等缺点。随后经典的插值方法样条插值被用来对图像进行配准,即样条配准,其中应用较为广泛的是薄板样条配准(TPS)和B样条配准(B-splines registration)两种方法:薄板样条的配准方法是由Bookstein提出并实现的[4],而后J.Gu等在对冠状动脉血管的时空配准中对心脏的非刚性运动进行估计时采用了弹性薄板样条模型[14],而后由Jochen F. Krucker 等将薄板样条与互信息测度的方法相结合,并应用到了超声波图像的3D 空间组合中而且成功的配准了感兴趣区域[15],但是薄板样条过多的依赖于特征点的选取。随后由O. Camara提出了自由变形的B样条配准方法, 并结合互信息成功的完成了PET2CT胸部图像的配准[16],David Mattes等同时也用自由变换的B样条配准方法完成了PET2CT胸图像的配准[17],而后由D. Rueckert 提出了胸部运动分级变换模型针对胸部的全局运动采取仿射变换模型来进行配准, 同时局部采用基于B 样条的自由形式变换进行配准, 文中的相似性测度采用的是归一化的互信息测度方法。 B样条在一定程度上解决了薄板样条配准过多依赖于特征点的选取这个优点,但是需要耗费相对更多的时间,同时在配准过后还会使得图像内部出现不必要的模糊。随后的学者将更多的注意力放在弹性形变模型上,期望通过建模来实现图像更好的配准。随着J. Rexilius 等提出了基于弹性形变模型的非刚性配准算法[18] 。Stelios Krinidis 等将基于物理模型的非刚性配准应用在了序列切片的重建上[19]。这些弹性形变模型的配准方法在一定程度上可以很好的实现图像的配准,但是同前面所提到的配准一样,这里也存在一个问题,就是在将图像模型化的过程中,对于局部模型如果在初始配准阶段不能很好的将其模型化,在后期的配准过程中,这种局部变形也不能很好的实现配准,因此在后期有学者提出了流体配准的概念,期望这种局部不能模型化的问题可以通过时间对其进行改善,而且随着时间的延长,使得包括局部的拐点在内的地方都能够实现模型化,这种随着时间放宽进行模型化的配准叫做流体配准。 Yongmei Wang等将统计形状信息于流体配准模型相融合并通过SOR (successive over – relaxation,连续性超松弛) 来实现配准[20]。Julia A. Schnabel 等通过使用有限元方法的方法来对生物组织进行力学模拟其变形情况,进而实现配准[21]。Matthieu Ferrant 等利用有限元对脑部MR图像进行模拟,从而实现脑部图像的配准[22]。而随着计算机视觉的发展,光流场的概念被引入,而后就有学者将光流场应用到图像配准中,在光流场配准中,最初是通过假设配准前后两副图像的灰度值没有发生改变,在此基础上建立配准模型,Horn、Schunck [23]和Lucas、Kanade [24]两位学者分别提出了HS模型配准和LK配准两种比较经典的配准算法,但是这样的假设条件会引起图像配准结果的不连续性,后期又有很多学者针对光流场配准的缺陷提出了相对的解决办法,并取得了一定的成果。
浏览次数:  更新时间:2017-10-19 10:39:21
上一篇:毕业论文文献综述范文
下一篇:最后一页
网友评论《毕业论文文献综述1》
Top