模糊规则自适应学习的弹性图像配准

《模糊规则自适应学习的弹性图像配准》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第6卷第6期江南大学学报(自然科学版)Vol.6No.62007年12月JournalofJiangnanUniversity(NaturalScienceEdition)Dec.2007文章编号:1671-7147(2007)06-0631-06模糊规则自适应学习的弹性图像配准王士同,邓赵红(江南大学信息工程学院,江苏无锡214122)摘要:针对弹性图像配准的特点和挑战,基于模糊逻辑推理规则构建了一个具有自适应功能的弹性变换模型.进一步地,提出了一种具有自适应学习功能的自动弹性图像配准方法.通过对医学图像进行配准试验来

2、测试其性能,提出的新弹性图像配准算法显示出了很好的性能.关键词:弹性图像配准;模糊推理规则;移动估计;自适应学习中图分类号:TP18文献标识码:AElasticImageRegistrationUsingAdaptiveFuzzy2Inference2RuleLearningWANGShi2tong,DENGZhao2hong(SchoolofInformationTechnologe,JiangnanUniversity,Wuxi214122,China)Abstract:Afuzzy2inference2ruleba

3、sedflexiblemodel(FIR2FM)isproposedtomodelthecomplexgeometrictransformationandfeaturevariationinelasticimageregistration.AFIR2FM2basedautomaticelasticimageregistrationalgorithmisalsopresented.Theexperimentsshowthattheproposedmethodisquiteeffective.Keywords:elastic

4、imageregistration;fuzzy2inference2rule;motionestimation;adaptivelearning图像配准技术可以广泛地应用于医学诊断、生何变换模型的复杂性.不同于刚性配准,所有的像[125]物特征验证,以及遥感图像定位等领域.目前,素点满足相同的刚性或线性变换,弹性图像配准的一方面,刚性配准问题,由于其问题本身的相对简配准点之间的几何变换是非常复杂的.往往在很小单性,相关研究已比较成熟,许多针对刚性图像配的局部区域满足线性变化而呈现全局的高度非线准的算法已被提出并有效地应用

5、到相关领域;另一性变化.(2)图像特征的变化和污染.弹性图像配准方面,现实生活中更为常见的弹性图像配准问题目还面临着图像复杂的特征变换.比如灰度图像的强前则依然面临着很大的挑战,亟待进一步深入地研度变化,纹理图像的纹理特征的变化等等.目前,研究.文中针对弹性配准的一些难点和挑战进行了探究人员在弹性配准方面已做了不少的工作.比较有讨.弹性配准的研究主要面临着如下的挑战:(1)几代表性的弹性配准方法包括:基于基准点或特征点收稿日期:2007-09-03;修订日期:2007-10-08.基金项目:国家自然科学基金项目(6077

6、3206/F020106);国防应用基础研究项目(A1420061266).作者简介:王士同(1964-),男,江苏扬州人,教授,博士生导师.主要从事计算机科技基础、仿真、人工智能的研究.Email:wxwangst@yahoo.com.cn632江南大学学报(自然科学版)第6卷选区的方法;基于样条函数建模的方法;基于动态对于图像配准问题,参考图像Ir的第l个像素回归的方法;基于全局非线性模型的方法;基于光点pr,l和其在待配准图像Is中的对应像素之间的位子流的方法;基于局部仿射变换全局微分平滑的方置和特征的关系可表示如

7、下:[629]法等.不同方法各具特色并有效地应用于特定x′l=gx(xl,yl),y′l=gy(xl,yl)(2)的领域.同时各种方法也都面临着不同的难题.例z′r,lk=fz(zr,lk),k=1,⋯,d(3)如,基于特征点选取的方法,对特征点的选取很敏这里g(·),fz(·)分别表示几何变换和特征变换函感;基于动态规划的方法需要较高的时间复杂度.数.在图像配准中最常用的几何变换模型是线性仿总的来说,弹性图像配准依然面临着很大的挑战,射变换模型,可表示如下进一步研究具有自适应能力和智能学习能力的弹x′l=m1xl+m2

8、yl+m3,性图像配准方法很有必要和意义.y′l=m4xl+m5yl+m6(4)针对弹性图像配准的难点和挑战,研究中从模这里线性仿射变换的参数可表示为向量m=(m1,糊逻辑推理的角度进行了探讨,并基于模糊推理规mT2,m3,m4,m5,m6).则提出了一种具有自适应学习功能的自动弹性图对于特征变换函数fz(·)用来表