Accueil › Index multilingue d'archives › Enregistrement d'image

Enregistrement d'image

Dans vision d'ordinateur, ensembles de données acquis en prélevant la même scène ou objet à différentes heures, ou de différentes perspectives, soyez dans différents systèmes du même rang. Enregistrement d'image est le processus de transformer les différents ensembles de données en un système du même rang. L'enregistrement est nécessaire afin de pouvoir comparer ou intégrer les données obtenues à partir de différentes mesures.

Image médicale enregistrement (par exemple. pour des données du même patient pris à différents points à temps) implique souvent en plus élastique (ou souple) enregistrement à faire face à la déformation du sujet (dû à la respiration, aux changements anatomiques, etc.). L'enregistrement souple des images médicales peut également être employé pour enregistrer les données d'un patient à un atlas anatomique, tel que Talairach atlas pour neuroimaging.

Classifications d'algorithme

Secteur-basé contre Dispositif-basé

Enregistrement d'image chute d'algorithmes à moins de deux royaumes de classification : les méthodes et le dispositif basés par secteur ont basé des méthodes. L'image originale est souvent mentionnée pendant que l'image de référence et l'image à tracer sur l'image de référence désigné sous le nom de l'image de cible. Pour le secteur basé les méthodes d'enregistrement d'image, l'algorithme regarde la structure de l'image par l'intermédiaire de la métrique de corrélation, des propriétés de Fourier et d'autres moyens d'analyse structurale. Alternativement, la plupart de dispositif a basé des méthodes, au lieu de regarder la structure globale des images, air d'amende leurs tracés à la corrélation des dispositifs d'image : lignes, courbes, points, ligne intersections, frontières, etc.

Modèle de transformation

Enregistrement d'image des algorithmes peuvent également être classifiés selon le modèle de transformation employé pour relier l'espace d'image de référence avec l'espace d'image de cible. La première large catégorie des modèles de transformation inclut transformations linéaires, qui sont une combinaison de traduction, de rotation, de composants globaux de graduation, de cisaillement et de perspective. Transformations linéaires soyez global en nature, en ne pouvant de ce fait pas modeler des déformations locales. Habituellement, les composants de perspective ne sont pas nécessaires pour l'enregistrement, de sorte que dans ce cas-ci la transformation linéaire soit affinez un.

La deuxième catégorie inclut le « élastique » ou les transformations « souples ». Ces transformations permettent la déformation locale des dispositifs d'image, de ce fait fournissant l'appui pour des déformations locales. Les approches souples de transformation incluent l'emballage polynôme, interpolation de base douce fonctionne (cannelures de mince-plat et ondelettes), et continuum physique modèle (les modèles liquides visqueux et la grande déformation diffeomorphisms).

Rechercher-basé contre des méthodes directes

Enregistrement d'image des méthodes peuvent également être classifiées en termes de type de recherche qui est nécessaire pour calculer la transformation entre les deux domaines d'image. Dans des méthodes rechercher-basées l'effet de différentes déformations d'image est évalué et comparé. Dans des méthodes directes, telles que Méthode de Lucas Kanade et des méthodes phase-basées, une évaluation de la déformation d'image est calculées des statistiques locales d'image et est puis employées pour mettre à jour la déformation estimée d'image entre les deux domaines.

méthodes de Spatial-domaine

Beaucoup enregistrement d'image les méthodes fonctionnent dans le domaine spatial, en utilisant des dispositifs, des structures, et des textures en tant que critères assortis. Dans le domaine spatial, le regard d'images « normale » comme oeil humain pourrait les percevoir. Certains des algorithmes assortis de dispositif sont des conséquences des techniques traditionnelles pour exécuter le manuel enregistrement d'image, dans du lequel les opérateurs choisissent les ensembles assortis points de commande (Cps) entre les images. Quand le nombre de points de commande excède le minimum exigé pour définir le modèle approprié de transformation, des algorithmes itératifs comme RANSAC sont employés pour estimer robuste la meilleure solution.

méthodes de Fréquence-domaine

D'autres algorithmes emploient les propriétés du fréquence-domaine pour déterminer directement des décalages entre deux images. Application Corrélation de phase la méthode à une paire de recouvrir des images produit une troisième image qui contient une crête simple. L'endroit de cette crête correspond à la traduction relative entre les deux images. À la différence de beaucoup d'algorithmes de spatial-domaine, la méthode de corrélation de phase est résiliente pour ébruiter, des occlusions, et autre déserte typique des images médicales ou satellites. En plus, la corrélation de phase emploie Transformée de Fourier rapide pour calculer la corrélation croisée entre les deux images, généralement ayant pour résultat de grands gains d'exécution. La méthode peut être prolongée pour déterminer affinez rotation et graduation entre deux images en convertissant d'abord les images en coordonnées notation-polaires. En raison des propriétés de Transformée de Fourier, la rotation et les paramètres de graduation peuvent être en quelque sorte invariables déterminé à la traduction. Ce dispositif simple rend des méthodes de phase-corrélation fortement attrayantes contre méthodes spatiales typiques, qui doivent déterminer la rotation, la graduation, et la traduction simultanément, souvent au coût de précision réduite dans chacun des trois.

Nature d'image

Une autre classification utile est entre la simple-modalité et les algorithmes d'enregistrement de multi-modalité. les algorithmes d'enregistrement de Simple-modalité sont ceux prévus pour enregistrer des images de la même modalité (c.-à-d. acquis en utilisant le même genre de dispositif de formation image), alors que les algorithmes d'enregistrement de multi-modalité sont ceux prévus pour enregistrer des images acquises à l'aide de différents dispositifs de formation image.

Il y a plusieurs exemples des algorithmes d'enregistrement de multi-modalité dans formation image médicale champ. Les exemples incluent l'enregistrement du cerveau CT/MRI images ou corps entier ANIMAL DE COMPAGNIE/CT images pour la localisation de tumeur, enregistrement de contraster-augmenté CT images contre non-contraster-augmenté CT images pour la segmentation des parties spécifiques de l'anatomie et de l'enregistrement de ultrasons et CT images pour prostate localisation dedans radiothérapie.

D'autres classifications

D'autres manières de classifier un algorithme comprennent la quantité de données qu'elle est optimisée pour manipuler, l'application de l'algorithme, et la théorie centrale l'algorithme est basée autour. L'enregistrement d'image a des applications dans la télédétection (la cartographie mettant à jour), formation image médicale (détection de changement, tumeur surveillant), et vision d'ordinateur. En raison des vastes applications auxquelles l'enregistrement d'image peut être appliqué, il est impossible de développer un algorithme général optimisé pour tous les usages.

L'image similitude-a basé des méthodes

Des méthodes similitude-basées par image sont largement employées dedans formation image médicale. Une méthode similitude-basée par image de base se compose d'a modèle de transformation, qui est appliqué aux coordonnées d'image de référence pour localiser le leur coordonnées correspondantes dans l'espace d'image de cible, une similitude d'image métrique, qui mesure le degré de correspondance entre les dispositifs dans les deux espaces d'image a réalisé par une transformation donnée, et algorithme d'optimisation, qui essaye de maximiser la similitude d'image en changeant les paramètres de transformation.

Le choix d'une mesure de similitude d'image dépend de la nature des images à enregistrer. Les exemples communs des mesures de similitude d'image incluent Corrélation croisée, L'information réciproque, Différence de moyenne carrée et uniformité d'image de rapport. L'information réciproque et sa variante, l'information réciproque normale, sont les mesures de similitude d'image les plus populaires pour l'enregistrement des images de multimodality. La différence de corrélation croisée, de moyenne carrée et l'uniformité d'image de rapport sont utilisées généralement pour l'enregistrement des images de la même modalité.

Ouvrez le logiciel de source

Plusieurs ouvrez la source les progiciels sont disponibles pour effectuer l'enregistrement d'image

• ITK
• AIR
• FLIRT
• GemIdent

Voyez également

• Normalisation spatiale

Références

• Barbara Zitová, janv. Flusser : Méthodes d'enregistrement d'image : un aperçu. Vision Comput d'image. 21(11): 977-1000 (2003)
• Crum WR, griffon LD, colline DL, Hawkes DJ : Zen et l'art de l'enregistrement médical d'image : correspondance, homologie, et qualité. Neuroimage, vol. 20, non. 3. (Novembre 2003), pp. 1425-1437.
• Ardeshir Goshtasby : 2-D et à trois dimensions enregistrement d'image pour la télédétection médicale et, et les applications industrielles, pression de Wiley, 2005.