SIFT方法在醫(yī)學圖像配準中的應用研究.pdf

1、隨著醫(yī)學影像技術的發(fā)展，醫(yī)學圖像的配準漸漸成為了醫(yī)學圖像處理領域中的熱點，在外科手術導航、醫(yī)師培訓等臨床診療中具有重要意義。SIFT算法(ScaleInvariant Feature Transform，SIFT)作為一種高效的特征檢測和匹配算法，對圖像的旋轉、縮放、尺度、仿射變換和光照等具有良好的不變性，廣泛的應用在醫(yī)學圖像配準中。
　　醫(yī)學圖像中部分圖像灰度變化不明顯，同時可能存在多個相似的區(qū)域，采用SIFT算法會出現(xiàn)檢測到的

2、特征點數(shù)量不足，造成誤匹配的問題。由于SIFT算法本身適用范圍的有限性，在配準過程中將會出現(xiàn)部分圖像配準效果好，而另一部分圖像無法實現(xiàn)配準的情況。這里以視網(wǎng)膜眼底圖像為例對其局限性進行說明，由于視網(wǎng)膜眼底圖像中含有大量的血管，可以提取結構信息，所以利用分叉結構的特征描述信息實現(xiàn)配準的魯棒性好，但其對圖像中的非結構區(qū)域無法實現(xiàn)配準。
　　因此，為了對視網(wǎng)膜眼底圖像進行精確的配準，本文提出了一種基于分叉結構的SIFT配準算法。該方法同