基于超像素重建的多尺度B样条医学图像配准

• 作者: 刘晨 卢海涛 张龙波 王雷
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 图像配准 B样条 多尺度特征 超分辨率重建 非刚性配准
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 学术研究与应用
• 页码范围: 24-27
• 页数: 4页
• 分类号: TP391.41
• 字数: 2875字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2019.01.005

摘要

医学图像配准技术是近年来医学图像处理领域中的关键技术之一,具有很高的临床和实践意义.由于人体内部软体组织形态的多变性,采集到的医学图像往往同时存在刚性形变和非刚性形变,传统的图像配准技术,如经典的基于B样条方法在对这类同时存在两种形变的图像进行配准时,如果存在较大的仿射变换,容易造成局部极值问题导致配准失败.针对这一问题,提出一种结合深度学习与SIFT(Scale-invariant feature transform,尺度不变特征转换)的多尺度B样条配准方法.首先用SIFT对图像进行仿射变换,然后B样条进行局部形变校正,同时引入多分辨率策略,降低计算的复杂度,提高精度.最后利用超像素重建方法,消除低尺度配准时造成的图像失真问题.实验结果表明,本文算法针对同时存在2种形变的图像,解决传统B样条算法配准失败的问题,在NMI(互信息)与SSIM(结构相似性)评价下相对传统B样条算法配准性能得到大幅度提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张龙波	山东理工大学计算机科学与技术学院	36	178	7.0	11.0
2	王雷	山东理工大学计算机科学与技术学院	21	99	6.0	9.0
3	卢海涛	山东理工大学计算机科学与技术学院	3	4	1.0	2.0
4	刘晨	山东理工大学计算机科学与技术学院	3	9	2.0	3.0