本文選題：圖像配準　切入點：非剛性配準　出處：《哈爾濱工業(yè)大學》2017年碩士論文

【摘要】：非剛性圖像配準問題是計算機視覺和模式識別領域一個很基本也很重要的研究內(nèi)容,而基于特征點的非剛性圖像配準方法在醫(yī)學圖像、軍事自動目標識別、衛(wèi)星圖像和數(shù)據(jù)編輯分析等應用場景都發(fā)揮了很大的作用,也是本領域研究的重點。因為對于復雜多變的應用場景,圖像中包含的信息會存在差異,所以提出一個具有普適性的,魯棒性強的點集配準算法是很必要的。這樣針對不同的應用場景,只需要利用先驗知識提取特征點,之后就能使用這個算法來進行圖像配準。本文提出了一種基于高斯混合模型(GMM),具有強魯棒性的非剛性特征點集配準算法來處理數(shù)據(jù)退化之后的配準問題。想要解決非剛性特征點集配準問題,關鍵在于解決尋找對應關系的問題和求解出空間變換函數(shù)。而對于數(shù)據(jù)退化嚴重,特別是離群點和噪聲增多的情況,現(xiàn)階段還沒有一個特別好的方法能完美解決。這需要配準算法在配準過程中不僅要關注圖像的全局信息,也要關注圖像的局部信息。為了解決尋找對應關系的問題,在本文中,將配準問題視為概率估計問題,用高斯混合模型來對目標特征點集建模;將尋找點對應關系問題轉(zhuǎn)化為估計混合密度的問題,使得一個特征點集的高斯密度質(zhì)心與另一個特征點集保持一致。模型中加入KL(Kullback-Leibler)信息熵來做正則化項,并且利用形狀描述子來初始化模型參數(shù),使用確定性退火的方法來優(yōu)化模型,保證算法在遇到離群點和噪聲的情況下也能正確的完成任務。為了求解空間變換函數(shù),在本文中,使用薄板樣條平面的非剛性空間映射來對要求解的空間變換進行參數(shù)化,將空間映射描述成仿射變換函數(shù)和非仿射變換函數(shù)的組合。最后利用交替更新對應關系和空間變換函數(shù)的方法進行求解,直到收斂。本文設計了4組側(cè)重點不同的實驗,給出了配準結果并進行了量化評估,證明了算法的普適性和魯棒性,并且和目前已經(jīng)發(fā)表的幾種先進方法進行對比。實驗結果表明,本文算法在數(shù)據(jù)退化的情況下,也能得到較滿意的配準結果。本文最后對腦MRI圖像進行了配準實驗,證明了算法能應用于醫(yī)學圖像配準方向上。
[Abstract]:In order to solve the problem of finding the corresponding relation , it is necessary to solve the problem of finding the corresponding relation and to solve the problem of image registration . In order to solve the problem of finding the corresponding relation , this paper proposes a method to solve the problem of finding the corresponding relation .

【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP391.41

【參考文獻】

相關期刊論文 前1條

1 趙海峰;陸明;卜令斌;孫登第;羅斌;;基于特征點Rényi互信息的醫(yī)學圖像配準[J];計算機學報;2015年06期

，

本文編號：1692205