论文部分内容阅读
随着医学图像处理技术的飞速发展,CT、磁共振等医学影像设备在临床中的广泛应用,神经影像分析技术发挥的作用越来越重要,为医学临床诊断奠定了坚实的理论基础。最近几十年,由于具有无创、无电离辐射的优点,磁共振成像技术发展十分快速。目前,根据人工参与程度的不同,磁共振脑组织图像提取技术可分为人工、半自动和自动提取三种方法。手动的脑组织提取方法精度高,但提取时间长,费时费力,要求操作人员有较高的专业技能,且受主观性影响;自动的脑组织提取方法常采用基于混合的方法,能够达到较高的精度和稳定性,处理时间比手动的快,但是通常对图像缩放和旋转较为敏感、需要手动调节参数,且参数多而且不固定。针对自动提取算法对图像缩放和旋转等敏感的问题,本文提出了一种基于距离约束投票的SIFT特征匹配方法。该方法首先对模板图像和目标图像提取轮廓点阵,并为其提取SIFT描述子,然后分别在向量距离和坐标距离两方面进行匹配,并对匹配结果进行由小到大的排序,选取向量距离和坐标距离的前5个匹配点,若前五个点中存在相同的点则认为匹配成功,最后采取双向匹配的方法,进一步保证准确性。针对需要手动调节参数,且参数多而且不固定的问题,本文提出了一种基于点阵SIFT特征匹配的脑组织提取方法。该方法采用基于距离约束投票的SIFT特征匹配方法,在对目标图像进行处理时引入一个循坏,即首先采用改进的BET算法得到一个初始的离散点阵;然后对离散点阵提取SIFT特征描述子,并根据与模板图像离散点阵的匹配状况自动调节参数,以新生成的参数继续进行轮廓演化,直到达到最大迭代次数;最后得到较为精准的脑组织轮廓。本文采用改进的BET算法和SIFT图像匹配算法相结合的方法,对脑组织进行提取,做到了对图像缩放和旋转不敏感和自动调节参数的目的。经过大量实验进行定性和定量分析,分析结果证明该算法能够得到良好的提取效果。