论文部分内容阅读
各种模式的医学图像的成像原理各不相同,它们分别从不同角度反映人体的内部信息。借助于医学图像配准技术和信息融合技术,可将各种模式图像融合起来进行显示,充分利用各种图像的信息优势,在一幅图像上同时表达来自人体的多方面信息。使人体内部的结构、功能等多方面的状况通过影像反映出来,从而更加直观地提供人体解剖、生理及病理等信息。医生可以充分利用各种模式形成的图像,从多视角进行疾病的诊断。 本文主要研究CT和MRI图像的基于3D轮廓表面图像配准算法,它属于基于特征配准算法中的基于内部特征算法。该算法首先进行图像分割,提取出轮廓曲线、物体表面等特征,使2D/3D图像配准简化为2D曲线和3D曲面的匹配,不再考虑物体内部像素。 文中采用的CT和MRI图像全部是DICOM3.0标准格式的,简要介绍了DICOM标准图像的格式,并编程实现DICOM格式文件的读取和存储。在此基础上,利用边界搜索方法中的8领域搜索法进行图像分割,搜索图像的边界,获取CT和MRI图像中病人的轮廓表面信息,建立轮廓点集。接着本文利用这些轮廓点集分别进行CT和MRI图像的三维重建,形成轮廓表面的三维表面模型。接下来的关键是根据轮廓点集和三维重建模型进行CT和MRI轮廓表面的配准。文中定义了两种图像轮廓间的互距离,计算CT和MRI轮廓之间的互距离,把互距离作为配准优化的相似性度量进行优化。使用先粗配准再精确配准的配准算法,最终获得变换图像相对于参考图像的变换参数。配准参数包括三个平移变量和三个绕三个坐标轴的旋转变量。 图像配准之后,必须通过融合显示出来,文中介绍了图像融合的概念以及融合的分类和各种实现方法。由于图像进行了平移和旋转的操作,图像融合时必须进行插值计算,从三维图像中提取出像素数据,本文使用三线性插值方法进行插值,插值后采用加权平均法实现图像的融合。文中给出CT和MRI图像配准和融合的程序运行结果,并加以