基于特征点的异源图像配准技术及其应用的研究开题报告.doc

硕士研究生开题报告学院电气与新能源学院专业控制理论与控制工程研究生姓名杨洋学号201140301020导师姓名、职称孙坚副教授入学年月2012年9月2013年4月19填写说明一、开题报告评议小组由3-5名副高职以上职称的专家组成。评议小组设秘书一人，协助组织和处理评议事宜，并做好详细记录，记录由学院作为原始材料保存备查。二、本开题报告一式二份，需用A4纸张、正反打印。一、论文开题报告（申请时间：2013年4月19日）论文题目：基于特征点的异源图像配准技术及其应用的研究研究方向：图像处理⑴立论依据（所选课题的科学意义和应用前景，国内外研究现状分析）：所愿课题的科学意义和应用背景图像配准技术是图像处理领域中的重要研究课题，对不同成像手段获得的异源图像进行配准可以用于医疗诊断、三维重建、手术计划的制定、放射治疗计划的制定、病理变换的跟踪和治疗效果的评价等各个方面。近二十年来，国内外广大科学工作者以及医务工作者对于医学图像配准技术的研究已经取得了不菲的成绩。然而，成像技术的进一步发展以及临床实践的更高要求都为医学图像配准提出了新的课题，注入了新的研究动力。况且，医学图像配准本身是一个非常复杂的过程，不同的临床应用需要不同的配准技术，现有的配准算法有的虽然配准精度高，但计算复杂度大而耗时较长，有的虽然配准速度快，但配准精度欠缺，有的则配准的自动化程度不高，需要富有经验的医生进行人工干预和手动标记，才能完成配准，有的配准算法鲁棒性不强，不能适用于各种医学图像。如基于图像灰度信息的算法使用灵活，但其运算量大，且鲁棒性不强；沈定刚提出的HAMMER算法，在脑图像的弹性配准中取得很好的效果，配准精度和鲁棒性明显优于基于图像灰度信息的算法，然而，HAMMER不足之处在于属性向量的定义依赖于脑组织的图像分割结果。所有这些情况都限制了图像配准的实际应用，因此需要进一步地深入研究图像配准中的各关键技术。现阶段，基于特征的图像配准算法已经较为成熟，针对不同的领域，出现了各种优秀的算法。在医学图像这个领域，也需要通过对现有方法或加以改进或提出更好的方法代替，做到自动、快速、精确和鲁棒性强。国内外研究现状分析图像配准是将同一场景由不同时间、不同视角、不同传感器获得的两幅或多幅图像叠加的过程。有些学者对图像配准与图像匹配是一个概念，从配准方法上划分，分为基于区域和基于特征的两种方法。相对与基于区域的配准方法，基于特征的配准方法具有更强大的区分能力，对于遮挡具有更好的鲁棒性，而好的特征能够对图像的旋转、平移、尺度变换、视角变化、甚至一定程度的光照变化具有不变性。因此基于特征的配准方法逐渐成为研究的热点。基于特征的配准方法并不直接利用灰度信息，特征可以是点特征，线特征或者区域特征等。一般来说，特征需要满足以下条件：不变性，实时图和参考图的特征需一致。唯一性，不同的特征用不同的特征描述符来表示。稳定性，轻微退化之后保持不变。独立性，如果特征是一个矢量，各个元素要独立。基于特征的图像配准算法都包括特征检测和生成特征描述符和相似性度量三个部分。前者用于回答“特征在哪”。中者用于解决“特征是怎样的”，后者用于建立特征点对应关系，建立图像间集合变换模型。本文主要考虑点特征。点特征是一种常见的图像特征，一般包括角点、极值点、交叉点、端点等。常用的点特征提取算法有：Movarac算子、Harris算子、Fostner算子、DOG算子、Susan算子、Fast算子。20世纪80年代以来，医学图像配准的研究受了到国内外医学界和工程界的高度重视，Petra等综述了二维图像的配准方法，并根据配准基准的特性，将图像配准的方法分为两大类：基于外部特征(有框架)的图像配准和基于内部特征(无框架)的图像配准[19]。1992年，J.Besl等提出了经典的迭代最近点法,它利用了图像中能够被有效提取的特征点，但当时此方法仅限于刚性配准。沈定刚等学者在2002年提出了基于特征点的HAMMER算法，并成功应用于脑MR图像的弹性配准，此算法首先采用较为复杂的点特征提取算法在待配准图像对中分别提取特征点，然后用矢量的欧式距离来寻找正确的匹配点对，最后用样条函数对其它点的偏移量进行插值处理，它的缺点在于运算量较大,配准过程较为耗时。DavidG.Lowe在2004年提出了一种尺度空间不变特征(SealeInvariantFeatureTransform,SIFT)的弹性配准算法，该方法首先在尺度空间进行特征检测，并确定关键点的位置和所在的尺度,然后使用关键点邻域梯度的主方向作为该点的方向特征，以实现算子对尺度和方向的无关性[17]。⑵研究内容、预期目标或成果（具体说明课题研究内容、要重点解决的关键问题和本课题所要达到的目标或要取得的成果）：研究内容研究异源图像配准的原理以及常用的优化方法；采用Harris角