ISSN在线(2319 - 8753)打印(2347 - 6710)
Gurpreet拉索尔教授1维贾伊迪尔博士2
|
相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术
医学成像是一个重要的组成部分,大量的应用程序在当前临床设置。在医学影像图像配准是一项基本任务。这是一个过程,覆盖两个或两个以上的医学图像从不同的设备如核磁共振、CT、PET和SPECT等或在不同角度拍摄。集成有用的数据从不同的图像往往是获得所需的医疗诊断和程序带来空间对齐图像中被称为注册。我们解决这一问题的图像配准采用离散余弦变换(DCT)和神经网络的距离点学习方法。而不是显式地指定局部正则化参数值,他们被视为网络权重,然后修改通过提供适当的培训分从医学图像。所需的响应的网络形式的当前像素的灰度值估计使用轮廓距离向量(CDV)。最后运用模糊逻辑。均方根误差(RMSE)和峰值信噪比(PSNR)用于精度评估。
关键字 |
磁共振成像(MRI)、计算机断层扫描(CT),正电子发射断层扫描术(PET),单一正电子发射计算机断层扫描(SPECT)、离散余弦变换(DCT)和轮廓距离向量(CDV)。 |
介绍 |
图像配准是“补偿”或“撤销”缺陷降低图像或使两幅图像之间的兼容性。退化有多种形式,如运动模糊,噪音,相机mis-focus。在运动模糊情况下,是有可能想出一个很好的估计实际的模糊函数和“撤销”模糊恢复原始图像[1]。在噪声图像的情况下,我们可能希望做最好的是补偿退化引起。图像配准是指一个类的方法旨在消除或减少第二图像的退化和注册点到基地形象发生而获得的数字图像被[2]。所有自然图像显示已经通过某种形式的退化。许多不同的算法在文献注册牙科x光图像。一些是基于最大化结合互信息和梯度信息的刚性三维注册临床图像[3]。Nagham E Mekky和远东Z阿布埃[4]注册图像使用基于小波的图像配准技术。 In our approach, we will introduce and implement new method using DCT and fuzzy logic to register dental X-ray image. Neural network is used as the basis classifier which identifies the points where the image to be registered and contour distance classifier which is used to classify the distance vectors of the image. Two images to be registered are called as reference image and floating image. Differences between the reference and floating dental x-ray images can be considered as the effect of three mechanisms: a) local anatomical deformations due to progression or regression of a disease; b) geometric transformation due to projection errors (reversible and irreversible); and c) intensity transformation due to non- identical exposure or film processing parameters. Irreversible projection errors cannot be eliminated [5]. Intensity transformation may be due to the film development, film scanning etc [6]. Section II provides literature survey. Section III deals with methodology of proposed registration technique. Results showing registered images with accuracy evaluation are shown by section IV. Conclusion is given in section V. |
文献调查 |
根据n·m·阿尔珀特,d . Berdichevsky z莱文,e·d·莫里斯和a . j .费奇曼[7]当时求职中介“改进的图像配准方法”“实验3,10 - 18(1996)货号。0002”pet mri登记制度提出改进或优化几个方面:(1)自动头皮/大脑分割取代手工绘图操作(2)一个新的快速、准确的图像配准方法,(3)视觉评估登记质量是增强(即复合成像方法。,融合)和(4)整个过程是嵌入在一个商用科学可视化方案,从而提供一个一致的图形用户界面。据摩根McGuire[8],“恢复旋转的图像配准技术,规模和翻译参数”,“NEC技术报告,1998年2月”提出了一种新的方法获得签名图像的旋转和translationinvariant规模,规模和旋转平移不变特征和技术恢复旋转,平移和尺度转换参数相关的两个图像相似的场景使用这些签名。转换参数可以用来coregister部分波段的合成图像。在有限的离散情况不变性不完全,存在的技术完全是健壮的阻塞由于对齐,重采样,线性和恒定的亮度变化和噪音。鲁棒性来自使用过滤器,减少转换构件。 |
瑞许和陈Yen-Wei[9]提出“基于小波多分辨率医学图像配准策略结合互信息与空间信息”“创新计算的国际期刊、信息和控制体积3 2007年4月2号”说,互信息在医学图像配准是一种广泛使用的度量,达到良好的效果,但由于缺乏空间信息导致错误配准。计算两个不同分辨率的图像和相应的渐变图像综合小波变换。互信息(MI)和空间信息(SI)计算低频系数和高频系数的小波变换在每个分辨率层和采用混合度量结合MI和SI在一起。注册策略运行速度比使用多分辨率方案时。 |
布鲁斯·d·卢卡斯金[10]提出的“迭代图像配准技术与应用立体视觉”“卷5 2008”说,目前我们已经实现的系统需要相当大的handguidance。以下是我们打算调查的问题向自动化的目标的过程。 |
Providing 初始 深度 估计 objects: 应该 能够 使用 近似 深度 从 lowresolution 获得 图像 提供 初始 深度 估计 附近 的 对象 只 在 更高 resolutions. 可见 |
Constructing 死亡 map: One 可以 建立 深度 地图 从 一些 插值 method. 深度 测量 |
Tracking 突然 深度 changes: 突然 深度 变化 的 边缘 发现 对象 需要 一些 更 高级 的 启发式 boundaries. 保持 匹配 算法 在 跟踪 对象 |
Compensating: For 两 对象 的 不同 表象 views: 匹配 算法 的 一般 形式 , 允许 任意 线性 变换 , 应该 有用根据斯蒂芬·克鲁格和安德鲁Calway[11],“使用多分辨率频域相关图像配准”,“英国机器视觉会议”提出了基于相关性的图像配准方法能够注册图像相关的一个全局仿射变换或一个大约是分段仿射变换领域。该方法有两个关键要素:一个仿射估计,推导估计仿射参数相关的两个形象六个区域的调整他们的傅里叶光谱之前关联;和多分辨率搜索过程,这决定了全球变化领域的局部仿射集估计在适当的空间分辨率。该方法计算效率和执行对一系列不同的图像和转换。 |
根据a . Collignon et al。[12],“基于信息自动化的多模图像配准理论”、“医学成像研究”提供了一个信息理论方法刚体登记3 d多模医学图像数据。提出了灰度的互信息对作为一种新的匹配critera。没有分割精度可以得到完全。 |
根据Sahil聊苏瑞彼得•维尼斯彼得Reinartz和约翰Uhl[13],“结合互信息和尺度不变特征变换的快速和健壮的多种感觉的SAR图像配准”“2009”说,尺度不变特征变换(筛选)运营商的成功对于计算机视觉应用程序使其复杂的功能一个有吸引力的解决方案基于SAR图像配准问题。对于SAR图像,筛选特征匹配结果很多假警报。为了克服这个问题,使用互信息(MI)以及过滤操作符对SAR图像配准和匹配的应用程序。MI是一个建立多通道登记相似性度量和有能力快速估计粗糙注册参数down-sampled图像。粗糙的图像配准参数获得使用筛选匹配的匹配一致性尤其是对SAR图像与各种收购差异可能不会达到预期的水平。解决观察到的现象,MI进一步可以用来提炼筛选匹配和匹配的一致性在理想的范围内。这个分析是基于多传感器、多瞬时和不同观点所获得的SAR图像在平原和半城市地区。拟议的登记方法显示了巨大的潜力成为一个快速、健壮的替代为亚像素几何SAR图像配准注册的一致性得到了性情不同的数据集。p•莱姆布莱萨H.C. Nagaraj和M。K Parasuram [14]。“基于小波的图像配准匹配牙科x光”,“国际电气和计算机工程杂志4:2009”说,图像配准是对诊断有用的牙齿根管治疗(RCT)等问题。 It presents a wavelet based algorithm for registering noisy and poor quality images. Affine transformation is applied to calculate wavelet coefficients. RMSE and Correlation coefficients are used for evaluation. This technique is useful for images that differ by rotation and translation but not for scaling. |
方法 |
两个认为这是红外图像,如果红外是假定为参考图片,如果是一个浮动的图像和目标图像与红外。这两个图片是假定不同的旋转、平移和缩放。注册技术包括以下阶段: |
预处理:从图像检测凸和独特的对象。这些检测到的特性被称为控制点的基础上注册技术是应用。控制点之间的对应关系建立在参考和目标图像通过使用离散余弦变换。 |
转换:执行基本注册图像的离散余弦变换。这是一个转换用于生成的波形输入文件。DCT系数有两个。一个叫中央最大值和另一个叫做中央最小值。离散余弦变换有助于把图像分解为部分或光谱部分波段的不同重要性对图像的视觉质量。这提供了注册图像的系数。 |
处理:系数是传递给神经网络。网络的形式的反应当前像素的灰度值估计使用轮廓距离向量(CDV)。它有助于过滤掉噪声图像的基本登记。这将计算峰值信号噪声比(PSNR)和均方根误差(RMSE)两个图像之间的精度参数。模糊逻辑优化相似性度量图像配准。它提取有关地区在特定的点在参考图像与另一个目标图像。图像配准的发生,有必要情节点完全注册的。模糊系统创建一个规则集基于点的基础上选择轮廓登记点。医学图像的注册过程开始如果选中的点落在该地区的模糊规则集。 |
结果与讨论 |
表我描述了牙科x光图像的PSNR和RMSE值20°旋转一个角度和放大倍数的准确性提出注册技术的评估。2。表2显示了牙科x光图像PSNR和RMSE值通过部署之前的注册方法。图1(一个)显示参考图像旋转角度和无花果。1 (b)是目标图像旋转°。注册图像旋转角度的°无花果。1 (c)的显示。参考图像是图2所示(a)和目标图像放大倍数的。2是图2所示(b)。注册图像缩放是图2所示(c)。 |
![]() |
![]() |
![]() |
结论 |
适当和有效的混合动力技术,下面是注册牙科x光。PSNR和RMSE计算提出的技术比以前的注册方法。还以前技术不处理牙科图像比例因子但我们建议的技术也适用于缩放图像。提出技术结果更好的登记与以往技术相比。该计划在其目前的形式适合彼此不同的图像缩放、平移和旋转。但是它不处理图像不同的翻译因子和PSNR, RMSE值可以进一步改进缩放图像。未来的工作将解决这个问题。 |