基于SIFT特征检测的医学显微图像自动拼接.pdf

ComputerEngineeringandApplications计算机工程与应用2007,43(35)243

基于SIFT特征检测的医学显微图像自动拼接

汤井田,王凯,肖嘉莹
TANGJing-tian,WANGKai,XIAOJia-ying

中南大学信息物理工程学院,长沙410083
SchoolofInfo-PhysicsandGeomaticsEngineering,CentralSouthUniversity,Changsha410083,China
E-mail:[e-mail]

TANGJing-tian,WANGKai,XIAOJia-ying.SIFTbasedmedicalmicroscopicimages’sautomaticmosaicing.Computer
EngineeringandApplications,2007,43(35):243-244.

Abstract:Accordingtothefeaturesofpathologyimage,introducestheSIFTfeaturedetectionmethodintoimagefeaturedetecting
andmatching.Itsolvestheshortcomingoftraditionalmethodswhichneedthattheimagehasobviouscornersoredge.Solvesthe
problemthatthemicroscopesuchasviewsmallnessandunabletoobservethefullpathologyimage.Anditsmatchingspeedcan
meetthepracticalrequirementswhenoptimized.
Keywords:medicalmicroscopicimages;imagematching;imagemosaicing;SIFT;RANSAC

摘要:结合医学显微图像数据特点,将SIFT特征检测算法引入到显微图像的拼接中,克服了传统的基于特征的匹配方法需要原
图像有明显的角点或边界信息的弱点,解决了显微镜视野小,无法观察组织切片完整病理图像的问题,该方法经优化后能匹配速
度可以达到实时处理的要求。
关键词:医学显微图像;图像匹配;图像拼接;SIFT;RANSAC
文章编号:1002-8331(2007)35-0243-02文献标识码:A中图分类号:TP391

1引言配可靠性,且医学显微图像并没有明显的角点信息,却有丰富
图像拼接在全景照片生成,大面积数字地形图的生成,全的SIFT关键点(Keypoints)。SIFT特征检测算法是DavidG.
景病理自动显微平台系统中有广泛地应用。由于显微镜视野小Lowe提出的一种基于尺度空间的、对图像缩放、旋转甚至仿射
无法一次采集到大视野的病理图像,远程医师一般只能看到本变换保持不变性的图像局部特征描述算子,其全称是Scale
地医师采集的“局部”病理图片,无法看到“完整”的“现场”,这InvariantFeatureTransform,即尺度不变特征变换。该算法首先
样极有可能忽略某些内在因素而造成误诊,在光学显微镜的最在尺度空间进行特征检测,并确定关键点的位置和关键点所处
大分辨率下,可以获得标本的各部分的精微图像,然后把这些的尺度,然后使用关键点邻域梯度的主方向作为该点的方向特
图像拼接成单一的完整图像,即虚拟幻灯片。把这些完整的图征,以实现算子对尺度和方向的无关性。其对旋转、尺度缩放、
像储存到有互联网连接的数据库中,通过计算机网络,远程医亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定
师和其他研究者可以共享这些图像,解决了科研和临床合作伙程度的稳定性。并对每一个关键点产生一个128维的特征描述
伴研究中面临的问题。符以作为匹配依据。SIFT特征向量有独特性好、特征量丰富、
图像自动匹配的方法主要有两种:直接法和基于特征的方高速、可扩展性好等特点。
法。直接法[1]试图用迭代的方法通过最小化重叠区域的灰度差
平方和来估算图像的变换矩阵,优点是它利用了所有的重叠区2基于SIFT特征的拼接算法描述
域的图像灰度值,但这种非线性优化技术需要好的初始值,需2.1特征检测及匹配
要经过多次的迭代才能收敛,计算量较大。基于特征[2]的方法以
SIFT特征检测算法检测出每一幅切片的所有SIFT关键点
建立图像之间点、线等特征的对应关系为基础,利用匹配特征
及其维的特征向量。对待拼接的两幅切片假设为(,)
128L1xy
估算出图像间的变换关系。典型的就是提取图像中的Harris角
和L(x,y),关键点的数量分别为N,N。下面来进行两幅切片