论文部分内容阅读
近几年,在医疗领域中X线拼接技术有着重要的理论意义和实际的临床应用价值,医生在诊断、治疗病人的脊柱侧弯畸形和下肢人工关节置换中,需要得到病人完整的下肢和完整的脊椎X线图像,大尺寸的图像资料可以帮助医生对病灶及感兴趣区域获得更加全面的了解。但由于X线设备成像尺寸的局限性,只能对尺寸大的X线图像分次拍摄,然后应用图像的拼接技术把多幅小尺寸的图像合成大尺寸的图像,最终得到一个完整无缝的全景图像,以便医生能更好的观察病变的位置从而对病人进行更加有效的治疗。本文提出一种基于特征的X线图像拼接算法研究与实现,解决了存在噪声、曝光度不均匀、重合面积小的X线图像拼接问题。首先对图像拼接的各步骤算法进行了详细地分析,并对图像配准算法进行了研究与分类；然后基于自动拼接方法提出Harris角点传统方法以及改进的Harris检测算法对X线图像进行特征提取,改进的Harris算法能有效的去除边界影响,而且算法运行时间较快,但是对噪声敏感。进而提出SIFT(尺度不变的特征变换)算子,它是一种稳定性较强的算子,对尺度缩放、平移、旋转都具有不变性,对噪声、光照以及仿射变换都具有鲁棒性。通过实验对比,可以看出SIFT算子更能满足要求；利用归一化互相关算法实现特征点对的粗匹配,并引入稳健的随机抽样一致性(RANSAC)算法去除误匹配点对,实现特征点对精匹配,再用仿射变换估算空间变换模型；在图像融合过程中,利用渐入渐出的加权方式实现图像平滑无缝拼接。接着本文利用平台实现了手动拼接、半自动拼接(人工标注点拼接)以及自动拼接,自动拼接利用本文设计的算法,通过对比手动和半自动拼接,自动方法在拼接长骨、脊柱和下肢X线图像时成功率较高,从实验结果来看,更具有临床应用价值。