基于稀疏随机投影的SIFT医学图像配准算法

被引：7

作者：

杨飒 ^{[1
]}

郑志硕 ^{[1
,2
]}

机构：

[1] 广东第二师范学院物理系

[2] 华南理工大学计算机科学与工程学院

来源：

量子电子学报 | 2015年 / 32卷 / 03期

关键词：

图像处理; 图像配准; 尺度不变特征变换; 特征提取; 稀疏随机投影;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对尺度不变特征变换(Scale-invariant feature transform,SIFT)算法在关键点特征描述向量阶段计算复杂并且维数较高的现象,提出了一种基于压缩感知理论的SIFT算法。通过压缩感知理论的稀疏特征表示方法,对SIFT关键点特征向量进行提取,将高维梯度导数向量降到低维稀疏特征向量,降低了关键点描述向量维度。采用欧式距离作为关键点的相似性度量,Best-Bin-First(BBF)数据结构避免穷举,使数据的运算量大为减少。实验结果表明,新算法对存在仿射变换的医学图像配准性能优于传统SIFT算法,与当前改进型的SIFT算法相比,本文算法的实时性明显增强。

引用

页码：283 / 289

页数：7

共 16 条

[1] 基于非常稀疏随机投影的图像重建方法 [J].

方红 ;

章权兵 ;

韦穗 .

计算机工程与应用 , 2007, (22) :25-27

[2] 基于改进光流场模型的脑部多模医学图像配准 [J].

许鸿奎 ;

江铭炎 ;

杨明强 .

电子学报, 2012, 40 (03) :525-529

[3] 非局部正则化的压缩感知图像重建算法 [J].

李星秀 ;

韦志辉 ;

肖亮 ;

费选 .

系统工程与电子技术, 2013, 35 (01) :196-202

[4] 基于改进光流场和尺度不变特征变换的非刚性医学图像配准 [J].

王婕妤 ;

王加俊 ;

张静亚 .

电子与信息学报, 2013, 35 (05) :1222-1228

[5] 高分辨光学压缩光谱成像方法与实验研究 [J].

陈宇恒 ;

周建康 ;

陈新华 ;

季轶群 ;

沈为民 .

光学学报, 2014, 34 (01) :115-120

[6]

Object Recognition from Local Scale-Invariant Features. Lowe D. Proceedings of the International Conference on Computer Vision . 1999

[7]

Brain Web:Simulated Brain Database[OL]. Evans A C. http://www.bic.mni.mcgill.ca/brainweb .

[8]

Stable and robust geometric self-calibration for cone-beam CT using mutual information. Muders J,Hesser J. IEEE Transactions on Nuclear Science . 2014

[9] 基于压缩感知与尺度不变特征变换的图像配准算法 [J].

杨飒 ;

杨春玲 .

光学学报, 2014, 34 (11) :106-110

[10] Image representation by compressive sensing for visual sensor networks [J].

Han, Bing ;

Wu, Feng ;

Wu, Dapeng .

JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, 2010, 21 (04) :325-333

← 1 2 →