基于轮廓的力矩主轴法在医学图像配准中的应用论文

《基于轮廓的力矩主轴法在医学图像配准中的应用论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于轮廓的力矩主轴法在医学图像配准中的应用论文.freelagetransformationAbstract:AIMToperformCT-MRregistration.METH┐ODSTherearedifferentmedicalinformationindifferentmodalimage.Togivedoctorsmoreaccurateandgeneralim-ageinformationinmedicalplan，theregistrationandfusionofimagesareimportant.Becausethereare

2、clearcontoursinCTandMRimage，ethodbasedonprincipalaxes.Throughmatchingthecentridandprincipalaxesofimage，registraioncanbeperformed.RESULTSPracticalregistrationedandtheresultethodhasadvantagesoflessputingtime，nopersonneeded，andtheaccuracyisbetter.Soitisagoodmethodofimageregistra

3、tion.0引言不同模态的医学图像所能提供的解剖结构和功能信息各不相同，为了给医学诊断和治疗计划提供更加准确全面的图像依据，对多种模态的医学图像进行融合就显得尤为重要.多模态医学图像的配准是融合的基础，只有将不同模态的医学图像进行准确的配准，图像信息的融合才有意义.图像配准技术的基本过程主要分为三个步骤［1］:①寻找图像中的对应特征量并提取出来;②根据特征量寻找最佳匹配变换;③利用得到的最佳变换对待配准的图像进行变换与另一图进行匹配.其中前两步是整个配准过程的关键，也是图像配准方法研究的核心内容，它直接影响到图像配准的速度与精度.针对头部CT与M

4、R图像轮廓清楚的特点，我们提出了一种基于轮廓的力矩主轴法配准方法，该方法通过提取图像的外围轮廓，计算出图像轮廓的质心及主轴，通过旋转和平移变换使两幅图像的质心及主轴对齐，从而达到配准的目的.1基于图像轮廓的力矩主轴配准方法1.1图像的轮廓提取对灰度图像，我们假设背景的灰度值为0，则图像轮廓的灰度值必为非0值.我们利用轮廓跟踪的方法以Fig1所示搜索顺序找出边缘点从而跟踪出边界.对闭合灰度图像边界的轮廓跟踪方法如（Fig1）（Ⅰ）.首先按从上到下、从左到右的顺序搜索，找到的第一个非0灰度值的点一定是最左上方的边界点，记为A.（Ⅱ）.A点的右、右下、

5、下、左下四个邻点中至少有一个是边界点，记为B.（Ⅲ）.从B开始找起，按右（1）、右下（2）、下（3）、左下（4）、左（5）、左上（6）、上（7）、右上（8）的顺序找相邻点中的边界点C.（Ⅳ）.如果C就是A点，则表明已经转了一圈，程序结束.否则从C点继续找，直到找到A为止.判断是否为边界点的几个约束条件:（Ⅰ）.如果点的上、下、左、右四个邻点的灰度值均不为0则此点不是边界点.（Ⅱ）.如果已找到的边界点中已包含此点，则不考虑此点.（Ⅲ）.找到的边界点的灰度值必不为0.（Ⅳ）.如果得到的边界不封闭，则按规则1取下一满足条件的起始边界点，并重新跟踪边界.

6、（Ⅴ）.取一个经验值，若所得到的轮廓点数明显少于此值，则重新跟踪边界.图1略1.2力矩主轴法是引用经典力学物体质量分布的原理［2］计算出两幅图像的质心和主轴，再通过平移和旋转变换使两幅图像达到配准的目的.1.2.1定义图像轮廓我们用（xi，yi，zi）表示图像轮廓上的点，用N表示轮廓点的个数.1.2.2计算质心整个轮廓的质心（xg，yg，zg）计算方法如下:xg=ixiN（1）yg=iyiN（2）zg=iziN（3）1.2.3计算旋转角度由力学知识可知，惯量矩阵:I=Ixx-Ixy-Ixz-IyxIyy-Iyz-Izx-IzyIzz（4）其中:I

7、xx=i［（yi-yg）2+（zi-zg）2］（5）Izz=i［（xi-xg）2+（yi-yg）2］（6）Ixy=i（xi-xg）（yi-yg）（7）Iyz=i（yi-yg）（zi-zg）（8）Izx=i（zi-zg）（xi-xg）（9）根据结论，主轴是惯量矩阵的特征向量［3］.由此结论，我们可得惯量矩阵I的标准化特征向量E等于旋转矩阵R（α，β，γ为图像分别绕x，y，z轴的旋转角度）.E=R（10）其中:E=e11e12e13e21e22e23e31e32e33（11）R=RrRβRα=cosγsinγ0-sinγcosγ0001cosβ0-s

8、inβ010sinβ0cosβ1000cosαsinα0-sinαcosα（12）求得:β=arcsin（e31）γ=arcsin（-e