圖像融合配準(zhǔn)及其在醫(yī)學(xué)圖像處理中的應(yīng)用研究
①頁數(shù) 39
②字?jǐn)?shù) 18143字
此論文為優(yōu)秀畢業(yè)論文，能保證絕對(duì)原創(chuàng)

③ 摘 要：醫(yī)學(xué)圖像融合配準(zhǔn)已成為醫(yī)學(xué)圖像分析的一項(xiàng)重要內(nèi)容，近年來受到醫(yī)學(xué)界和工程界的重視。圖像配準(zhǔn)是圖像融合首要解決的問題，也是融合的關(guān)鍵所在。配準(zhǔn)的目的是使兩幅圖像的位置在空間上達(dá)到一致，配準(zhǔn)的好壞將直接影響到圖像融合的質(zhì)量。本文首先介紹了目前存在的應(yīng)用比較廣泛的圖像融合和配準(zhǔn)方法，重點(diǎn)介紹基于SIFT特征和基于互信息的圖像配準(zhǔn)方法及算法，利用VC和MATLAB聯(lián)合編程加以實(shí)現(xiàn)，并自制測(cè)試圖像加以驗(yàn)證。然后，通過相似性測(cè)度，如歸一化互信息(NMI)、均方誤差(MSE)等，對(duì)兩種算法所得結(jié)果加以比較，得出基于SFIT特征算法較優(yōu)。并且，對(duì)醫(yī)學(xué)圖像融合做了相關(guān)研究，利用基于加權(quán)平均法和高斯金字塔法的融合方法進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)表明基于加權(quán)平均法的融合方法具有較好的融合效果。
④目 錄

摘要 1
前言 2
1 緒論 3
1.1 本課題研究的背景及意義 3
1.2 本課題的研究現(xiàn)狀 4
1.3 本課題主要研究內(nèi)容 4
2 醫(yī)學(xué)圖像的配準(zhǔn) 5
2.1 醫(yī)學(xué)圖像配準(zhǔn)的概念 5
2.2 醫(yī)學(xué)圖像配準(zhǔn)算法 5
2.2.1 基于圖像灰度的配準(zhǔn)算法 5
2.2.2 基于圖像特征的配準(zhǔn)算法 6
2.3 基于特征匹配的醫(yī)學(xué)圖像配準(zhǔn)系統(tǒng)的組成 6
3 基于SIFT的醫(yī)學(xué)圖像的配準(zhǔn) 7
3.1 SIFT的來歷 7
3.2 SIFT的主要思想及特點(diǎn) 7
3.3 SIFT的算法實(shí)現(xiàn) 8
3.4 SIFT 算法提取特征點(diǎn) 8
3.4.1尺度空間的生成 8
3.4.2空間極值點(diǎn)檢測(cè) 9
3.4.3構(gòu)建尺度空間需確定的參數(shù) 9
3.4.4精確確定極值點(diǎn)位置 10
3.4.5關(guān)鍵點(diǎn)方向分配 10
3.4.6特征點(diǎn)描述子生成 11
3.5 SIFT特征向量匹配 12
3.6 醫(yī)學(xué)圖像配準(zhǔn) 12
4 基于互信息的醫(yī)學(xué)圖像的配準(zhǔn) 13
5 醫(yī)學(xué)圖像的融合 14
5.1 醫(yī)學(xué)圖像融合的概念及級(jí)別 14
5.2 醫(yī)學(xué)圖像融合方式 14
5.3 醫(yī)學(xué)圖像融合的主要步驟 15
5.4現(xiàn)有主要的醫(yī)學(xué)圖像融合技術(shù) 15
6 實(shí)驗(yàn)結(jié)果比較分析 17
6.1 基于SIFT的配準(zhǔn)算法實(shí)現(xiàn)及結(jié)果顯示 17
6.2 基于互信息的配準(zhǔn)算法實(shí)現(xiàn)及結(jié)果顯示 18
6.3 兩種配準(zhǔn)算法結(jié)果比較分析 19
6.4 基于加權(quán)平均法的醫(yī)學(xué)圖像融合結(jié)果顯示 20
6.5 基于高斯金字塔法的醫(yī)學(xué)圖像融合結(jié)果顯示 21
6.6 兩種融合結(jié)果分析比較 22
7 總結(jié)與展望 23
7.1 論文總結(jié) 23
7.2 進(jìn)一步的研究工作 23
致謝 24
參考文獻(xiàn) 25
附錄 27

⑤關(guān)鍵詞：圖像融合配準(zhǔn)；SIFT；互信息(MI)；歸一化互信息(NMI)；均方誤差(MSE)；加權(quán)平均法；高斯金字塔；熵

⑥參考文獻(xiàn); 參 考 文 獻(xiàn)

[1] 宋余慶.數(shù)字醫(yī)學(xué)圖像[M].北京：清華大學(xué)出版社，2008：129-131.
[2] 王孟倩，邵波，岳建華.醫(yī)學(xué)圖像融合的應(yīng)用與展望[J].醫(yī)療設(shè)備信息，2007，（05）.
[3] Burt PJ,Adelson EH. The Laplacian pyramid a compact image code [J]. IEEE Trans Commun,1998,31:532-540.
[4] Alexander Akerman III. Pyramidal techniques for multisensor fusion[A].SPIESensor Fusion[C]. 1992.1828
[5] Boh lC,Van Genderen JL. Multi-sensor image fusion in remote sensing: concepts, methods, and applications [J]. Int J Remote Sens,1998,19(5):823-854.
[6] Toet A.Multiscale xontrast enhancement with applicationsto image fusion [J].Optic Eng,1992,31(5):1026-1031.
[7] Maintz JBA, Viergever MA. Asurvey of medical image registration [J]. Medical Image Analysis, 1998, 2(1): 1-36.
[8] Wells WM, Viola P, Kikinis R, et al. Multi-modal volume registration by Maximization of mutual information [J]. Medical Image Analysis, 1996, 1(1): 35-51.
[9] 楊春蘭，鄭鏈，李曉明.互信息在醫(yī)學(xué)圖像配準(zhǔn)中的應(yīng)用研究[J].計(jì)算機(jī)軟件與應(yīng)用，2008，25（3）：145-170.
[10] David G. Lowe. Distinctive Image Features from Scale-Invariant Keypoints [J]. International Journal of Computer Vision, 2004, 60(2): 91~110.
[11] David G. Lowe. Object Recognition from Local Scale-Invariant Features[C]. International Conference on Computer Vision, 1999: 1150-1157.
[12] 剛薩雷斯.數(shù)字圖像處理[M].北京：電子工業(yè)出版社，2003.
[13] 談泉，林家瑞.多模態(tài)醫(yī)學(xué)圖像融合技術(shù)的研究與進(jìn)展[J].國際生物醫(yī)學(xué)工程雜志，2006，（03）.
[14] 范立南，王晶，王銀玲. 多模態(tài)醫(yī)學(xué)圖像融合技術(shù)綜述[J].沈陽大學(xué)學(xué)報(bào).2009，21(3):96-100.
[15] Toet A. A morphological pyranid image decomposition [J].Pattern Recogn Lett, 1989,9(4):255-261.
[16] 鄒文，羅金香.小波變換在醫(yī)學(xué)圖像處理中的應(yīng)用[J].中國醫(yī)療設(shè)備，2008，04.
[17] 劉貴喜，楊萬海.基于小波分解的圖像融合方法即性能評(píng)價(jià)[J].自動(dòng)化學(xué)報(bào),2002,28(6）：927-934.
[18] Maes F, Multimodality image registration by Maximization of mutual information [J]. IEEE Trans. On Medical Imaging, 1997, 16(2): 187-198.
[19] 丁瑩.圖像配準(zhǔn)技術(shù)在醫(yī)學(xué)圖像處理中的應(yīng)用研究[M].長春理工大學(xué)，2006，12.
[20] 何東健.數(shù)字圖像處理[M].西安電子科技大學(xué)出版社，2003，07.
[21] 李坤成，李永忠，趙富強(qiáng)，趙欣.CT與MRI圖像配準(zhǔn)與融合技術(shù)在顱腦腫瘤的初步應(yīng)用[J].中國醫(yī)學(xué)影像技術(shù)，2001，（09）.
[22] 衛(wèi)阿盈，楊磊. 圖像分割在醫(yī)學(xué)圖像處理中的應(yīng)用[J]. 醫(yī)學(xué)信息，2005，12：1269-1630.
[23] 王新成. 高級(jí)圖像處理技術(shù)［M］. 北京：中國科學(xué)技術(shù)出版社，2001.
[24] 劉麗，蘇敏.基于改進(jìn)模擬退火算法醫(yī)學(xué)圖像配準(zhǔn)[J].計(jì)算機(jī)軟件與應(yīng)用，2008，25（5）：223-259.
[25] Wang Hai Hui, Wang Jun, Wang Wei. A New Multiwavelet Based Approach to Image Fusion [J]. Journal of Mathematical Imaging and Vision, 2004, 2(24):177-192.
[26] Pluim J P, Fitzpatrick J M. Image registration [J]. Medical Imaging, 2003, 11(22):1341-1343.
[27] Gonzalo Pajares. A wavelet based image fusion tutorial [J]. Pattern Recognition,2004, 9(37):1855-1872.