基于特征的X線圖像拼接算法研究與實現.pdf

1、近幾年，在醫(yī)療領域中X線拼接技術有著重要的理論意義和實際的臨床應用價值，醫(yī)生在診斷、治療病人的脊柱側彎畸形和下肢人工關節(jié)置換中，需要得到病人完整的下肢和完整的脊椎X線圖像，大尺寸的圖像資料可以幫助醫(yī)生對病灶及感興趣區(qū)域獲得更加全面的了解。但由于X線設備成像尺寸的局限性，只能對尺寸大的X線圖像分次拍攝，然后應用圖像的拼接技術把多幅小尺寸的圖像合成大尺寸的圖像，最終得到一個完整無縫的全景圖像，以便醫(yī)生能更好的觀察病變的位置從而對病人進行更加

2、有效的治療。
　　本文提出一種基于特征的X線圖像拼接算法研究與實現，解決了存在噪聲、曝光度不均勻、重合面積小的X線圖像拼接問題。首先對圖像拼接的各步驟算法進行了詳細地分析，并對圖像配準算法進行了研究與分類;然后基于自動拼接方法提出Harris角點傳統(tǒng)方法以及改進的Harris檢測算法對X線圖像進行特征提取，改進的Harris算法能有效的去除邊界影響，而且算法運行時間較快，但是對噪聲敏感。進而提出SIFT（尺度不變的特征變換）算子，

3、它是一種穩(wěn)定性較強的算子，對尺度縮放、平移、旋轉都具有不變性，對噪聲、光照以及仿射變換都具有魯棒性。通過實驗對比，可以看出SIFT算子更能滿足要求;利用歸一化互相關算法實現特征點對的粗匹配，并引入穩(wěn)健的隨機抽樣一致性(RANSAC)算法去除誤匹配點對，實現特征點對精匹配，再用仿射變換估算空間變換模型;在圖像融合過程中，利用漸入漸出的加權方式實現圖像平滑無縫拼接。
　　接著本文利用平臺實現了手動拼接、半自動拼接（人工標注點拼接）以及