基于可變形模型的圖像分割與圖像配準(zhǔn)研究.pdf

1、本論文研究了基于可變形模型的圖像分割與圖像配準(zhǔn)方法及其實(shí)現(xiàn)。圖像分割與圖像配準(zhǔn)是圖像處理領(lǐng)域的兩個(gè)重要研究方向，也是國(guó)內(nèi)外研究的熱點(diǎn)和難點(diǎn)問(wèn)題。圖像分割是進(jìn)一步對(duì)圖像進(jìn)行分析、識(shí)別、壓縮編碼等處理的基礎(chǔ)，分割的準(zhǔn)確性直接影響后續(xù)任務(wù)的有效性。圖像配準(zhǔn)是多源數(shù)據(jù)融合、時(shí)序圖像分析、目標(biāo)變化檢測(cè)、目標(biāo)識(shí)別、圖像鑲嵌等實(shí)際問(wèn)題中的重要步驟，其應(yīng)用遍及軍事、遙感、醫(yī)學(xué)、計(jì)算機(jī)視覺(jué)等多個(gè)領(lǐng)域。在圖像配準(zhǔn)方法，特別是醫(yī)學(xué)圖像的處理與分析研究中，非剛

2、性配準(zhǔn)是一個(gè)有意義的非常活躍的研究領(lǐng)域。 由于可變形模型方法本身所具有的“自上而下”的特點(diǎn)以及與傳統(tǒng)圖像分割方法相比所具有的優(yōu)勢(shì)，這類方法已經(jīng)逐漸發(fā)展成為圖像分割最為活躍和成功的研究領(lǐng)域之一。針對(duì)可變形模型的缺陷和不足，許多國(guó)內(nèi)外的專家學(xué)者對(duì)其進(jìn)行了深入分析，并提出了很多改進(jìn)算法和方案。本文研究了可變形模型的原理、實(shí)現(xiàn)、發(fā)展以及在各個(gè)領(lǐng)域的應(yīng)用，并對(duì)基于可變形模型進(jìn)行圖像分割和圖像配準(zhǔn)的方法進(jìn)行了深入探討，提出了一些新的思路和改

3、進(jìn)算法。論文的主要工作和創(chuàng)新點(diǎn)包括： 1：討論了圖像形狀特征的表示和提取，并從不變矩理論出發(fā)討論仿射不變量以及通過(guò)矩來(lái)構(gòu)造和定義仿射不變量的方法。提出一種基于數(shù)學(xué)形態(tài)學(xué)的曲線特征提取方法，并將其用于牙種植外科的計(jì)算機(jī)輔助設(shè)計(jì)和手術(shù)模擬。牙弓曲線的提取是牙種植模擬手術(shù)中最基礎(chǔ)和重要的步驟，本文針對(duì)CT軸位圖像中牙齒表現(xiàn)出的特征，進(jìn)行二值化和數(shù)學(xué)形態(tài)學(xué)的處理來(lái)提取牙齒的中心點(diǎn)，然后進(jìn)行曲線擬合得到牙弓曲線。算法處理簡(jiǎn)單，速度快，結(jié)果

4、表明曲線比較平滑，而且保證經(jīng)過(guò)牙齒的中心，在后續(xù)的圖像處理及牙種植手術(shù)模擬中證明了牙弓曲線的提取是有效準(zhǔn)確的。 2：介紹了可變形模型的發(fā)展概況，討論了可變形模型的數(shù)字實(shí)現(xiàn)以及比較典型的幾種改進(jìn)算法。針對(duì)在復(fù)雜背景下進(jìn)行圖象分割和對(duì)象提取的問(wèn)題，提出了一種仿射不變的分段可變形模型，提取圖像的仿射不變特征信息，并將對(duì)象輪廓進(jìn)行分段處理。輪廓中的每一段由一個(gè)驅(qū)動(dòng)點(diǎn)驅(qū)動(dòng)曲線的變形，驅(qū)動(dòng)點(diǎn)由其特征向量表示該段的仿射不變量信息。在變形的初期

5、選取較少的特征點(diǎn)，利用圖象的全局信息進(jìn)行變形，隨著迭代次數(shù)的增加特征點(diǎn)逐漸增多，輪廓線分段逐漸細(xì)化，利用圖象的局部信息使可變形模型收斂到對(duì)象邊緣處。試驗(yàn)表明與傳統(tǒng)方法相比，本模型運(yùn)算速度快，抗噪聲和避免陷入局部極小值的能力較強(qiáng)，對(duì)復(fù)雜背景下對(duì)象的提取有較好的效果。 3：提出了一種基于邊緣和區(qū)域信息的兩階段圖像分割方法。在圖像分割過(guò)程中采用不同的變形策略，在第一個(gè)階段使用改進(jìn)的層次化可變形模型，模型輪廓分為幾段，逐段采用仿射變換進(jìn)

6、行變形。模型輪廓與分割對(duì)象輪廓基本匹配后，在第二階段使用精確匹配策略，結(jié)合區(qū)域統(tǒng)計(jì)信息重新定義模型的外部能量函數(shù)，使模型精確收斂到對(duì)象邊緣。分段的層次化變形有效的利用了圖像的全局和局部信息，使用仿射變換使模型的局部以同一種變換方式變形，提高模型對(duì)噪聲和偽邊緣的魯棒性，同時(shí)保持模型輪廓形狀的一致性。改進(jìn)的外部能量函數(shù)減少了計(jì)算復(fù)雜度。在精確匹配階段采用自適應(yīng)的搜索區(qū)域確定方法，提高了算法的效率。實(shí)驗(yàn)表明本模型運(yùn)算速度快，抗噪聲和避免陷入局

7、部極小值的能力較強(qiáng)，并具有進(jìn)入分割對(duì)象凹邊緣的能力。 4：討論了圖像分割和圖像配準(zhǔn)的關(guān)系和變分框架下結(jié)合圖像分割和圖像配準(zhǔn)的方法，介紹了層次化非剛體配準(zhǔn)的分類和常用方法。提出了一種結(jié)合可變形分割的層次化非線性圖像配準(zhǔn)方法，將圖像分割與圖像配準(zhǔn)方法相集成到一個(gè)變分框架中，從而在對(duì)圖像特征分割的同時(shí)實(shí)現(xiàn)圖像之間的配準(zhǔn)。層次化的配準(zhǔn)策略首先使用兩階段可變形模型進(jìn)行圖像分割和對(duì)象提取，同時(shí)在迭代過(guò)程中不斷更新從而最終獲得仿射配準(zhǔn)的變換參