为了提升医学图像识别质量,需要对医学图像外边界点云数据进行实时配准.针对当前多模态医学图像外边界点云数据实时配准中,存在着配准精度较低、完成时间过长、误差较大等问题.提出基于特征点对齐度的图像外边界点云数据实时配准方法.采用SIFT算法提取出医学图像待配准特征点,以小波边缘检测法获取待配准特征点中的医学图像外边界点云数据,构建附近区域外边界点云数据特征,求出具有显著外边界点特征的特征点,结合Shape-context算子和显著外边界特征点,构建特征描述向量,利用角度直方图提取以特征点为中心的图像外边界点特征子图,计算出所有外边界点特征子图的对齐度来确定候选配准点对,引用线性加权法消除错误配准,以此完成正确配准.实验结果表明,所提方法在进行医学图像外边界点云数据配准中,配准精度较高、所需完成时间较短误差较小.
NETL
NSTL
万方数据
维普
