融合SIFT特征的熵图估计医学图像非刚性配准
配准准确性是医学图像配准算法的一项重要指标,像素灰度是目前图像配准中广泛使用的特征,但是灰度特征来源单一,而且忽略空间信息,在一些情况下容易产生误配.针对这个问题,本文提出一种融合SIFT特征的熵图估计医学图像非刚性配准算法.该算法首先使用基于互信息的刚性配准算法对两幅待配准图像进行粗配;然后,在采样点上提取像素灰度和SIFT高维特征,并在此基础上构造k-最邻近图(kNNG);最后,使用k-最邻近图来估计α互信息(αMI).实验结果表明:和传统的基于互信息和像素灰度的刚性配准算法,基于熵图估计和单一像素灰度特征的非刚性配准算法相比,本文提出的算法具有更高的配准准确性.
医学图像配准、SIFT描述子、k-最邻近图、α互信息
17
TP391(计算技术、计算机技术)
国家自然科学基金项目60873009
2012-05-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
412-418