基于特征匹配的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)研究

《基于特征匹配的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、■．＇．磚■巧去＂；：成＊？，．？＊＇尹．巧持＇－＇—？－４；１’．＞ｒｔ擊＊，，密級(jí)?。崳姳Ｃ芷谙蓿海墸海崳娒蛠V爹碩±學(xué)位論文基于特征匹配的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)硏究－ｍｏｄａｔｉＢＭｕｔｉｌＭｅｄｉｃａｌＩｍａｅＲｅｇｉｓｔｒａｏｎａｓｅｄｏｎｇＦｅａｔｕｒｅＭａｔｃｈｉｎｇ９．，？ｒ＼＇■，：’■．－■ｒ，．學(xué)號(hào)Ｅ１３２０１０６１姓名朱世棟學(xué)位類別工學(xué)碩±￣￣￣計(jì)

2、算機(jī)應(yīng)用技術(shù)？ｘｌ４Ｔ￣￣指導(dǎo)教師趙海峰副教授完成時(shí)間２０１６年５月委員識(shí)簽名１令旅走＊．－－．．————．一？？—＇＇？．獨(dú)創(chuàng)性聲明本人寅明所呈交的學(xué)擔(dān)論文是本人在導(dǎo)師指導(dǎo)下進(jìn)行的巧究工作及取得巧研究成果。據(jù)我所知，除了文中特別加Ｌ乂標(biāo)注和致謝巧地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果，４不包含為獲得安繳大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材料一．與我同工作的同志對(duì)本研究所做的任何貢獻(xiàn)均己在論文中作了明確的說明并表承

3、謝意，學(xué)位論文作者簽名：簽字掃期：年貧月如曰本隹揚(yáng)＇－１學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文詐者堯全了解安徵大學(xué)有關(guān)保留、使巧學(xué)位論文的規(guī)庚，有權(quán)保留并向國(guó)家有關(guān)部口或化拘送交淪文巧復(fù)印件和磁盤，允許論文撥查閱和借亂本人授權(quán)安徵大學(xué)可Ｌ乂將學(xué)位論文的全部歲部分巧容編入海關(guān)數(shù)據(jù)庫進(jìn)行檢索－，可Ｗ采用影印、縮巧或掃描等復(fù)制手段保存、匯編學(xué)位論文。（保密的學(xué)粒論文在解密后適用本授權(quán)書）．學(xué)位論文作者簽《：＾導(dǎo)師簽雀：ｊ＾曰０?。炞制冢和跄辏嬖氯缭唬壓炞帜壳桑涸唬崳姡海牐净?/p>

4、＾月＾承安徽大學(xué)碩七學(xué)位論文５§摘要醫(yī)學(xué)圖像配準(zhǔn)是指在不同的時(shí)間、不同角度Ｗ及不同模態(tài)下獲取的多幅醫(yī)學(xué)一一一一圖像，經(jīng)過系列的變換，使相同解剖結(jié)構(gòu)（點(diǎn)）在同空間坐標(biāo)位置上對(duì)一、應(yīng)的操作。圖像配準(zhǔn)是醫(yī)學(xué)圖像處理研究的項(xiàng)核屯技術(shù)，可用于醫(yī)學(xué)圖像的校正，檢測(cè)解剖結(jié)構(gòu)的變化Ｗ及用于融合不同模態(tài)的圖像，在醫(yī)學(xué)輔助診斷治療方面應(yīng)用非常廣泛。近幾十年來，該項(xiàng)技術(shù)的研究得到越來越多學(xué)者們的關(guān)注。本文針對(duì)基于特征匹配的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)進(jìn)行了重點(diǎn)研究，使在復(fù)雜環(huán)境下得到的灰度不均勻和噪聲較大的醫(yī)學(xué)圖

5、像能夠?qū)崿F(xiàn)自動(dòng)配準(zhǔn)。本文的工作主＾＞要包含（１下幾個(gè)方面：１，．本文系統(tǒng)地闡述了基于持征點(diǎn)匹配的多模態(tài)醫(yī)學(xué)圖像配準(zhǔn)步驟介紹了特征點(diǎn)檢測(cè)、構(gòu)造描述子、特征匹配、模型參數(shù)估計(jì)和重采樣Ｗ及插值技術(shù)等算法ｌＯＧ，著重研究了常用的特征提取算法析了Ｌａａｃｅｆａｕｓｓｉａｎ；分ｐ提取特征點(diǎn)在光照、旋轉(zhuǎn)和尺度等方面的不變性原理。２．針對(duì)不同模態(tài)醫(yī)學(xué)圖像的像素值之間有很大的差異性，導(dǎo)致配準(zhǔn)計(jì)算復(fù)一。雜度高，配準(zhǔn)精度低等問題本文提出了種融合摘圖理論的基于特征匹配的配準(zhǔn)算法。該算法首先利用Ｌａｐｌａｃ

6、ｅＯｆＧａｕｓｓｉａｎ提取特征點(diǎn)，通過局部紋理特征構(gòu)Ｓ－ＬＢＰ造加權(quán)Ｃ描述子，然后結(jié)合廣義近鄰圖計(jì)算特征向量之間的歐式距離進(jìn)行Ｒ細(xì)ｙｉ互信息的估計(jì)并Ｗ之為目標(biāo)函數(shù)，最后使用Ｐｏｗｅｌｌ優(yōu)化算法對(duì)目標(biāo)函數(shù)進(jìn)行優(yōu)化，求得變換模型參數(shù)。該方法在配準(zhǔn)過程中不需要對(duì)圖像的每個(gè)像素進(jìn)行＾、計(jì)算，可式提取分布較均勻易提取的穩(wěn)定特征來表達(dá)圖像，在配準(zhǔn)過程中只要計(jì)算這些特征即可，該方法既可Ｗ降低噪聲和圖像灰度差異所造成的影響，又能降低計(jì)算量，縮短配準(zhǔn)時(shí)間。實(shí)驗(yàn)結(jié)果表明；在保證配準(zhǔn)速度的前提下，配準(zhǔn)精度能夠

7、達(dá)到亞像素級(jí)，并對(duì)于噪聲明顯的醫(yī)學(xué)圖像也能達(dá)到良好的配準(zhǔn)效果。３．針對(duì)基于特征提取的醫(yī)學(xué)圖像配準(zhǔn)算法不能充分利用鄰域特征來進(jìn)行描一述子的構(gòu)建，本文采用了種新的基于紋理特征的描述子構(gòu)造方法局部小波模式一（ＬｏｃａｌＷａｖｅｌｅｔＰａｔｅｒｎＰ），并結(jié)合基于概率估計(jì)的，ＬＷ致性點(diǎn)漂移算法一－（ＣｏｈｅｒｅｎｔＰｏｉｎｔＤｒｉｆｔ，ＣＰＤ）提出了種ＬＷＰＣＰＤ算法，該算法充分利用了中Ｉ安巧大學(xué)碩±學(xué)位論文基于特征匹配的《模態(tài)醫(yī)學(xué)圖像面準(zhǔn)研巧Ｊ也點(diǎn)與鄰域ＫＩ及鄰域與鄰域之間的空間關(guān)系，

8、并利用最大似然估計(jì)和速度場(chǎng)的運(yùn)動(dòng)一致性進(jìn)行將征點(diǎn)的漂移，最終實(shí)現(xiàn)在空間位畳上對(duì)齊。通過實(shí)驗(yàn)結(jié)果對(duì)比，該算法在配準(zhǔn)速度、精度Ｗ及魯棒性等方面明顯優(yōu)于Ｓ正Ｔ－ＣＰＤ和傳統(tǒng)ＮＭＩ的配準(zhǔn)算法。關(guān)巧字一：多模醫(yī)學(xué)圖像配準(zhǔn)；摘圖理論：ＬＢＰ；局部小波模式：致性點(diǎn)漂移；ＩＩ安徽大學(xué)碩±學(xué)位論文ＡｂｓｔｒａｃｔＡ