醫學圖像拼接綜述

文章目錄

• ​​0 名詞解釋​​
• ​​1 拼接的分類​​
• ​​基于特征拼接pipeline​​

• ​​預處理​​
• ​​1 特征檢測​​
• ​​2 特征描述​​
• ​​特征比對​​
• ​​計算單應矩陣​​
• ​​圖像融合（拼接）​​
• ​​效果評估​​
• ​​可以嘗試的工作​​

0 名詞解釋

尺度：

仿射變換：

1 拼接的分類

基于強度和相關性的拼接，例：手骨頭。精度高，但是對于圖像縮放，噪聲，光照變化等無能為力。

基于特征的拼接，點線面特征。

基于特征拼接pipeline

方法：

• ORB(oriented FAST 做特征檢測，Rotated BRIEF 做特征描述)，優點 ：速度快。旋轉不變性，對噪聲魯棒。缺點：沒有尺度不變性，
• SIFT(高斯金字塔和DOG做特征檢測求極值，梯度振幅組成的向量做特征描述)，時間最慢。
• SURF
• Harris corner
• PCA-SIFT
• FAST (Features from Accelerated Segment Test)
• 單應矩陣

特征：

• 邊緣
• 點
• 角
• 線
• 其他形狀

預處理

DICOM -> jpg

1 特征檢測

2 特征描述

特征比對

KNN算法，hamming 距離，

計算單應矩陣

RANSAC(Random Sample Consensus)方法，随機樣本一緻性，

four feature pairs.

圖像融合（拼接）

權重平均方法，消除縫隙

效果評估

MSE（mean square error）: 均方誤差，越小越好

PSNRPSNR (Peak Signal-to-Noise Ratio) 峰值信噪比:越大越好

可以嘗試的工作

Our proposed method tends to be extended for 3D image

stitching, 2D images stitching with moving objects and using

hybrid of feature based with direct based approaches to get better

results as a future work.

分頁粘貼下方的代碼：

<div STYLE="page-break-after: always;"></div>      

① ② ③ ④ ⑤ ⑥ ⑦ ⑧ ⑨ ⑩

⑪ ⑫ ⑬ ⑭ ⑮ ⑯ ⑰ ⑱ ⑲ ⑳

<span style="color: #f2cf4a;  font-family: Babas; font-size: 11px;">INSPIRATION DAY</span>