基于图像分割的非线性医学图像匹配

【摘要】：图像分割是图像处理、图像分析和计算机视觉等领域经典的研究课题之一,也是较大的难点之一,而医学图像分割因为其形态的多样性,在计算机视觉领域一直是一个比较具有挑战性的课题。 图像匹配是20世纪90年代中期提出的并发展起来的一个新的研究领域,是近年来计算机图像处理技术研究和应用的重要方面。它能更好地便于人们研究人体本身,能更加精确地确定器官以及病灶的位置,具有良好的前景和广阔的应用空间。 在经典活动曲线算法中,首先在头部外初始化一圈边缘点,然后将他们看作物理对象,通过迭代过程使它们不断向真实边界逼近。活动曲线算法表达式是由内部能量项和外部能量项组成,通过获取能量项的最小值使得活动曲线逼近真实边缘。经典活动曲线算法有很多优点,但是在医学图像分割中,尤其是在组织结构复杂的情况下,活动曲线向边界的演化会受到一定的影响。本文中提出了一种新的活动曲线算法,新的外部能量项能使活动曲线正确地逼近真实边界,而新的内部能量项相对于传统方法则大大减少了时间消耗。 医学图像匹配融合在现代医学图像处理中是非常有效的。它不仅可以将同一病人的切片图像进行配准融合以便于医学诊断,而且可以将不同病人之间以及病人与标准图谱之间进行处理。医学图像匹配可以分为刚性匹配和非线性匹配,对于同一病人的同一位置的配准图像适合于刚性匹配,而其他很多情况下非线性匹配的应用范围更加广泛一些。 本文采用非线性匹配方法对同一病人的不同切片进行配准。在利用活动曲线算法提取边缘之后,我们提出一种新型的匹配对应点的提取算法,成功地提取了两幅图像的对应点,然后用EDT算法对两幅图像进行非线性匹配处理,成功地使两幅图像达到了空间一致性。为融合以及三维重建等后续工作打下了坚实的基础。